【YOLO】NCHW与NHWC格式区别

在深度学习领域，NCHW（Batch-Channel-Height-Width）与NHWC（Batch-Height-Width-Channel）是两种核心的数据排布格式。它们的差异直接影响模型的计算效率、内存占用和硬件适配性。以下是基于最新研究的深度解析：

---

一、核心定义与存储逻辑

1. ​NCHW格式​

   • ​排列顺序​：以通道维度优先，同一通道的所有像素连续存储（如"RRRRRRGGGGGGBBBBBB"）。这种格式在内存中按[N,C,H,W]顺序线性化存储，适合需要按通道独立运算的操作（如最大池化）。
   • ​物理存储示例​：假设图像尺寸为2x3，通道数为3，存储顺序为：R1,R2,R3,R4,R5,R6 → G1,G2…G6 → B1,B2…B6。

2. ​NHWC格式​

   • ​排列顺序​：以空间维度优先，同一像素的不同通道值连续存储（如"RGBRGBRGB"）。其物理存储按[N,H,W,C]组织，适合需要跨通道聚合的操作（如1x1卷积）。
   • ​存储特性​：每个像素的通道数据在内存中相邻，例如同一像素的R、G、B值连续存放，便于局部性计算。

---

二、性能与硬件适配性

<