张量扁平化——CNN的Flatten操作

张量扁平化操作是卷积神经网络中的一个常见操作。这是因为在全连接层接受输入之前，传递给全连接层的卷积层输出必须被扁平化。我们了解到卷积神经网络的张量输入通常有4个轴，一个用于批处理大小，一个用于颜色通道，还有一个用于高度和宽度

即：(批量大小、通道、高度、宽度）

那么现在我们以一张图片为例，看看如何将它扁平化

这是一张彩色图片，也就是有r,g,b共三个通道，大小为128*128，按照上面的表示方法，我们可以将它表示为

[1,3,128,128]

code：

好吧，可是看到，张量已经被拉平了，达到了我们预期的目的。

但是，这仅仅是一张图片，如果是二张图片呢？

(假设仍按上述方法)

code:

好吧，结果并不好，因为我们需要对批处理张量中的每个图像进行单独的预测，因此扁平化的批次在我们的CNN中无法很好地起作用，所以现在我们一团糟。

解决方案是在保持batch 轴不变的情况下使每个图像变平。这意味着我们只想拉平张量的一部分。我们要使用高度和宽度轴和颜色通道轴展平。也就是展平(C,H,W)。

假设我们有输入5张彩色的图片（也就是5张为一个batch），

code：

结果十分符合我们所期望的。

所以**flatten(start_dim=1)**个较为不错的展平方法。

总结：

现在，我们应该对张量的展平操作有了一个很好的了解。我们知道如何展平整个张量，并且我们知道展平特定张量尺寸/轴,我们将在构建CNN时看到将其投入使用。

我的公众号：Math and Code
欢迎来关注啊！

最后

以上就是跳跃身影为你收集整理的张量扁平化——CNN的Flatten操作的全部内容，希望文章能够帮你解决张量扁平化——CNN的Flatten操作所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。