Caffe中的Slice层

Slice layer 的作用是将bottom按照需要分解成多个tops。(与split layer的不一样在于spliit的作用是将bottom复制多份，输出到tops) 

首先我们先看一下slice layer 在prototxt里面的写法：

layer { name: "slice" 
          type: "Slice" 
          bottom: "input" 
          top: "output1" 
          top: "output2" 
          top: "output3" 
          top: "output4" 
slice_param { 
          axis: 1 
          slice_point: 1 
          slice_point: 3 
          slice_point: 4 } 
            }

 

这里假设input的维度是N*5*H*W,tops输出的维度分别为N*1*H*W N*2*H*W N*1*H*W N*1*H*W 。 
这里需要注意的是，如果有slice_point，slice_point的个数一定要等于top的个数减一。 
axis表示要进行分解的维度。 
slice_point的作用是将axis按照slic_point 进行分解。 
slice_point没有设置的时候则对axis进行均匀分解。

message SliceParameter { // 下面两个指定沿哪个维度进行拆分，默认拆分channels通道 optional int32 axis = 3[default= 1]; optional uint32 slice_dim = 1[default= 1]; // 指定拆分点 repeated uint32 slice_point = 2; }

现在我们就要把之前concat合并的数据按照原样拆分：

layer { 
        name:"data_each" 
        type:"Slice" 
        bottom:"data_all" 
        top:"data_classfier" 
        top:"data_boundingbox" 
        top:"data_facialpoints" 
slice_param { axis:0 
              slice_point:100 
             slice_point: 150 } 
            }

其中slice_point的个数必须等于top的个数减一。

输入的data_all维度为 \(250\times 3\times 24 \times 24\)，

拆分后的3个输出的维度依次为 

(100\times 3\times 24 \times 24\)，

\(50\times 3\times 24 \times 24\)，

\(100\times 3\times 24 \times 24\)

以上是caffe中的Slice层的全部内容，在云栖社区的博客、问答、云栖号、人物、课程等栏目也有caffe中的Slice层的相关内容，欢迎继续使用右上角搜索按钮进行搜索caffe Caffe中的常用层 ，以便于您获取更多的相关知识。

其中slice_point的个数必须等于top的个数减一。

输入的data_all维度为 \(250\times 3\times 24 \times 24\)，

拆分后的3个输出的维度依次为 

(100\times 3\times 24 \times 24\)，

\(50\times 3\times 24 \times 24\)，

\(100\times 3\times 24 \times 24\)

    以上是caffe中的Slice层的全部内容，在云栖社区的博客、问答、云栖号、人物、课程等栏目也有caffe中的Slice层的相关内容，欢迎继续使用右上角搜索按钮进行搜索caffe Caffe中的常用层 ，以便于您获取更多的相关知识。