【发布时间】：2017-04-24 19:06:50
【问题描述】：
如何展平层展开输入图像？ 例如，输入 - 深度为 512 的 7x7 图像。 扁平化层如何将输入数据展开为向量？
【问题讨论】：
标签： neural-network deep-learning convolution conv-neural-network flatten
【发布时间】：2017-04-24 19:06:50
【问题描述】：
我想在这种情况下，人们无法给出通常有效的答案。 扁平化取决于实现。 如何执行展平取决于您（或您使用的库）。
例如，您可以通过获取每一行、将其转换为列向量并将所有列向量相互堆叠（用于以下称为“通道向量”的部分）来展平 7x7 图像（一个通道）。
假设您有 n 个频道（例如 n = 512）： 您可以对导致 n 个“通道向量”的每个特征图（即通道）执行上述展平。 您可以并行单独处理它们，也可以将所有通道向量相互堆叠，以获得包含所有特征图的所有活动的向量。
需要扁平化步骤，以便您可以在一些卷积层之后使用全连接层。 全连接层没有像卷积层那样的局部限制（仅通过使用卷积滤波器观察图像的某些局部部分）。 这意味着您可以组合之前卷积层的所有找到的局部特征。
【讨论】：