caffe：带有单个过滤器的卷积层的总和

【问题标题】：caffe: sum of conv layer with a single filtercaffe：带有单个过滤器的卷积层的总和
【发布时间】：2018-11-26 15:42:27
【问题描述】：

我有一个尺寸为 nXmx16x1 的卷积层和另一个尺寸为 nxmx1x1 的过滤器“F”。如何将 F 与 conv 层的每个过滤器相加（结果维度：nxmx16x1）。

据我所知，eltwise 需要两个底部的尺寸完全相同（包括通道数）

【问题讨论】：

您要求和还是乘法？你能写出你想要做什么的方程式吗？
我需要总和或平均值。我还更新了结果的暗淡。我需要类似 eltwise 的东西，但它需要 2 个底部完全相同的暗淡（这里不是这种情况 - 通道尺寸不同）
所以你想要out_m,n,i,0 <- in_m,n,i,0 + F_m,n,0,0 换i=0..15？

标签： neural-network deep-learning caffe conv-neural-network pycaffe

【解决方案1】：

您似乎正在寻找"Tile" 层（类似于matlab 的repmat）。将"F" 沿axis: 2 平铺16 次将使"F" 与输入的形状相同，然后您可以使用"Eltwise" 层：

layer {
  name: "tile_f"  
  type: "Tile"
  bottom: "F"    # input shape  n-c-h-w
  top: "tile_f"  # output shape n-c-16*h-w
  tile_param { axis: 2 tiles: 16 }  # tile along h-axis 16 times
}
# now you can eltwise!
layer {
  name: "sum_f"
  type: "Eltwise"
  bottom: "x"
  bottom: "tile_f"  # same shape as x!!
  top: "sum_f"
  eltwise_param { operation: SUM }
}

【讨论】：