使用“通道优先”和“通道最后”实验展平层，得出奇怪的结果

Question

我正在编写一段代码，使用cudnn编写的库在c中运行TensorFlow模型。但它在平坦层上给了我奇怪的结果。在我的模型中，我指定在每个层上首先使用通道。所以，假设前一个maxpool层的输出是形状批次、通道、高宽度，它将被输入到平坦层。我在这里指定我在展平层中也首先使用通道。但将图层展平后，会得到相反方向的结果（最后是通道）。

e、 g.参见以下输入

inputs = np.arange(75.0).reshape((1,3,5,5))
k = 0;
for n in range(1):
    for h in range(3):
        for w in range(5):
            for c in range(5):
                inputs[n][h][w][c]=k
                k=k+1
print(inputs.shape)
print(inputs)

(1, 3, 5, 5)
[[[[ 0.  1.  2.  3.  4.]
   [ 5.  6.  7.  8.  9.]
   [10. 11. 12. 13. 14.]
   [15. 16. 17. 18. 19.]
   [20. 21. 22. 23. 24.]]

  [[25. 26. 27. 28. 29.]
   [30. 31. 32. 33. 34.]
   [35. 36. 37. 38. 39.]
   [40. 41. 42. 43. 44.]
   [45. 46. 47. 48. 49.]]

  [[50. 51. 52. 53. 54.]
   [55. 56. 57. 58. 59.]
   [60. 61. 62. 63. 64.]
   [65. 66. 67. 68. 69.]
   [70. 71. 72. 73. 74.]]]]


fl = layers.Flatten(data_format='channels_first')
outputs = fl(inputs)
print(outputs.shape)
print(outputs)


(1, 75)
tf.Tensor(
[[ 0. 25. 50.  1. 26. 51.  2. 27. 52.  3. 28. 53.  4. 29. 54.  5. 30. 55.
   6. 31. 56.  7. 32. 57.  8. 33. 58.  9. 34. 59. 10. 35. 60. 11. 36. 61.
  12. 37. 62. 13. 38. 63. 14. 39. 64. 15. 40. 65. 16. 41. 66. 17. 42. 67.
  18. 43. 68. 19. 44. 69. 20. 45. 70. 21. 46. 71. 22. 47. 72. 23. 48. 73.
  24. 49. 74.]], shape=(1, 75), dtype=float32)

我认为输出应该是0,1,2,3。。。不是上面的那个。我只能在展平层中使用channels\u last来获得所需的输出，但这对我来说没有意义。

Answer 1

为什么会有什么不同？平坦层的输出不必排序。它失去4D形状后就不再“有意义”，失去了可以通过卷积层提取的空间意义。在那之后，无论在哪里都不重要。