深度学习 – 深度学习中的多维数据存储方式NCHW和NHWC
1 深度学习中的多维数据存储方式NCHW和NHWC区别和简单介绍
在深度学习框架中，多维数据通过多维数组存储，比如卷积神经网络的特征图(Feature Map)通常使用四维数组保存，其数据维度为4D。其中4D中的N、H、W、C的各自意义如下：
- N：Batch数量，例如图像的数量；
- H：Height，特征图高度，即垂直高度方向的像素个数；
- W：Width，特征图宽度，即水平宽度方向的像素个数；
- C：Channels，特征图通道，例如彩色RGB图像的Channels为3；
由于数据只能线性存储，因此这四个维度有对应的顺序。
不同深度学习框架会按照不同的顺序存储特征图数据，比如Caffe，排列顺序为[Batch, Channels, Height, Width]，即NCHW。TensorFlow中，排列顺序为[Batch, Height, Width, Channels]，即NHWC。
以一张格式为RGB的图片为例，NCHW实际存储的是“RRRRRRGGGGGGBBBBBB”，同一通道的所有像素值顺序存储在一起，而NHWC实际存储的则是“RGBRGBRGBRGBRGBRGB”，多个通道的同一位置的像素值顺序存储在一起。
上图中的上半部分的图像描述的是NCHW的数组存储方式，下半部分图像描述的是NHWC的存储方式。
欢迎扫码关注我的微信公众号，及时获取文章更新
本文作者：StubbornHuang
版权声明：本文为站长原创文章，如果转载请注明原文链接！
原文标题：深度学习 – 深度学习中的多维数据存储方式NCHW和NHWC
原文链接：https://www.stubbornhuang.com/1999/
发布于：2022年03月07日 16:06:32
修改于：2023年06月26日 20:31:40
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
文章末尾
![Unity – Color32[]转IntPtr](https://www.stubbornhuang.com/wp-content/uploads/image/default-post-diplay-img.png)
评论
72