关于NCHW和NHWC的理解

最新推荐文章于 2022-12-01 14:23:04 发布
最新推荐文章于 2022-12-01 14:23:04 发布
阅读量7.8k 收藏 10
点赞数 3
文章标签： 图像处理 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41731634/article/details/122743664
版权

N代表数量，C代表channel，H代表高度，w代表宽度。NCHW其实代表的是[W H C N]第一个元素，第二个元素是沿着w方向即001，这样下去002 003，再接着就是沿着H方向，即004 005 006 007...这样到09后，沿C方向，轮到020，之后021 022...一直到319，然后沿着N方向。

NHWC的话以此类推，代表的是[C W H N ]，第一个元素是000,第二个沿C方向，即020,040,060...一直到300,之后沿W方向，001 021 041 061 301...到了303后，沿着H方向，即004 024 ...304。最后到了319，变成了N方向，320,340...

例如data_format默认值NHWC，其中N表示这张图片有几张，H表示图像在垂直方向有多少像素，W表示水平方向像素数，C表示通道数（例如黑白图像的通道树C = 1 ，RGB彩色图像的通道数C = 3 ）。为了便于演示，我们后面作图均使用RGB三通道图像。

 

NCHW中，C排列在外层，每个通道内像素紧紧挨在一起，即“RRRRRGGGGGBBBBB”

NHWC格式中，C排列在最内层，多个通道对应空间位置紧挨在一起，即“RGBRGBRGBRGBRGBRGB”这种形式。

如果我们需要对图像做彩色转灰度计算，NCHW计算过程如下&

最低0.47元/天 解锁文章
ffssa123
关注
NCHW - NHWC - CHWN 排列
爱CV
02-19 396
TensorFlow有两种数据格式NHWC和NCHW，默认的数据格式是NHWC，可以通过参数data_format指定数据格式。这个参数规定了 input和 output Tensor 的排列方式。
深度学习（4）：NCHW和NHWC
热门推荐
weixin_41847115的博客
11-06 2万+
N代表数量， C代表channel，H代表高度，W代表宽度. NCHW其实代表的是[W H C N]，第一个元素是000，第二个元素是沿着w方向的，即001，这样下去002 003，再接着呢就是沿着H方向，即004 005 006 007...这样到09后，沿C方向，轮到了020，之后021 022 ...一直到319，然后再沿N方向。 NHWC的话以此类推，代表的是[C W H N]，第...
深度学习NCHW和NHWC数据格式（由三维数据转换成一维数据的遍历方式）
Dontla的博客
02-25 9267
文章目录一、基本概念二、逻辑表达三、物理存储3.1 NCHW3.2 NHWC四、RGB图像数据举例五、不同框架支持 流行的深度学习框架中有不同的数据格式，典型的有NCHW和NHWC格式。本文从逻辑表达和物理存储角度用图的方式来理解这两种数据格式，最后以RGB图像为例来加深NHWC和NCHW数据存储格式的理解。 一、基本概念 深度学习框架中，数据一般是4D，用NCHW或NHWC表达，其中： N - Batch C - Channel H - Height W - Width 二、逻辑表达 假定N = 2，
NCHW_NHWC数据格式
IT菜鸟
01-22 1542
一、参考资料 图解NCHW与NHWC数据格式 TensorFlow API 中 NCHW 与 NHWC 的区别 深度学习中的NCHW格式和NHWC格式 二、重要说明 在 GPU 上训练时使用 NCHW 格式，在 CPU 上做预测时使用 NHWC 格式。NCHW 则是 Nvidia cuDNN 默认格式，使用 GPU 加速时用 NCHW 格式速度会更快（也有个别情况例外）。 最佳实践：设计网络时充分考虑两种格式，最好能灵活切换，在 GPU 上训练时使用 NCHW 格式，在 CPU 上做预测时使用 NHWC
深度学习NCHW和NHWC数据格式
fuhanga123的博客
12-01 2040
流行的深度学习框架中有不同的数据格式，典型的有NCHW和NHWC格式。本文从逻辑表达和物理存储角度用图的方式来理解这两种数据格式，最后以RGB图像为例来加深NHWC和NCHW数据存储格式的理解。
深度学习笔记---摆数操作 NCHW和NHWC区别
hairuiJY
04-09 6102
深度学习中，经常出现摆数的要求； 经常会对数据的不同格式出现疑惑，这里记录下来； 说到的NHWC或者 NCHW其中每个代表的含义如下： N代表数量， C代表channel，H代表高度，W代表宽度。 1、NCHW其实代表的是[W H C N]， 第一个元素是000，第二个元素是沿着w方向的，即001，这样下去002 003，再接着呢就是沿着H方向，即004 005 006 007…这样到019后，...
Python的TensorFlow的NHWC和NVHW如何理解，请举例
最新发布
05-21
NHWC和NCHW是TensorFlow中的两种数据格式，分别代表着不同的数据排列方式。 NHWC表示数据按照[batch_size, height, width, channels]的顺序排列，其中batch_size表示数据批次大小，height和width表示数据的高度和...
深⼊浅出理解EdgeBoard中NHWC数据格式
weixin_44367275的博客
09-03 308
摘要： 在深度学习中，为了提升数据传输带宽和计算性能，经常会使用NCHW、NHWC和CHWN数据格式，它们代表Image或Feature Map等的逻辑数据格式（可以简单理解为数据在内存中的存放顺序）。本文以百度的AI端上推理设备EdgeBoard为原型，介绍EdgeBoard选择NHWC数据格式的技术考量。 EdgeBoard简介 EdgeBoard是百度基于FPGA芯⽚研发的嵌入式AI解决方案...
pytorch学习
01-07
1、Tensor 与tensorflow相同，在pytorch框架中，同样使用张量（tensor）来传输数据。我们可以对tensor的维度进行自定义，如果图像转化为tensor，那么一般来说我们需要将图像先转类型为numpy（此时数据维度为N x H x W X C，即数量x高x宽x通道数），然后再使用toTensor()将数据维度转变为N x C x H x W，因为在训练中，需要将通道数提到前面。同时，需要特别注意的是，在训练网络中，图像转为tensor后的数据类型一般会是float或是uint8（在处理遥感图像时，需要特别小心，避免直接将int16的类型直接转化造成最后结果与原图类型不一
极智AI | 谈谈为什么卷积加速更喜欢 NHWC Layout
极智视界
08-03 2466
本文主要讨论一下为什么卷积加速更加喜欢 NHWC 的数据排布。
TensorFlow有两种数据格式NHWC和NCHW
weixin_37801695的博客
01-25 2万+
TensorFlow有两种数据格式NHWC和NCHW，默认的数据格式是NHWC，可以通过参数data_format指定数据格式。这个参数规定了 input Tensor 和 output Tensor 的排列方式。 1、data_format 设置为 “NHWC” 时，排列顺序为 [batch, height, width, channels] 设置为 “NCHW” 时，排列顺序为 [batch,...
CNN加速器中的NC4HW4内存排布格式
qq_40268672的博客
02-02 3165
传统的存储格式(NCHW和NHWC) 在卷积神经网络（CNN）中，特征图是一个4维的张量，分别为batch维度N，通道维度C,特征图高H和特征图宽W，在不同的深度学习框架中，特征图也有着不同的存储格式，例如NCHW和NHWC，两者的区别就是通道所在的维度不同，在不同的情况下，这两种存储格式都有各自的优点，下图即为两种存储格式的示意图。 在使用FPGA设计加速器时，由于FPGA的片上BRAM资源十分有限，无法一次性容纳所有的特征图数据，因此往往会采取分片的策略，即对于一个C×H×WC \times H \t
NCHW与NHWC格式
吴建明wujianming_110117
02-09 1999
NCHW与NHWC格式 下图很好的描述了各种不同的格式。 N代表数量， C代表channel，H代表高度，W代表宽度。 NCHW其实代表的是[W H C N]，第一个元素是000，第二个元素是沿着w方向的，即001，这样下去002 003，再接着呢就是沿着H方向，即004 005 006 007…这样到019后，沿C方向，轮到了020，之后021 022 …一直到319，然后再沿N方向。 NHWC的话以此类推，代表的是[C W H N]，第一个元素是000，第二个沿C方向，即020，040, 060…一直到
im2col的卷积操作
free1993的博客
06-16 423
对于一个卷积操作来说，输入有两个： 四维tensor的输入[N,C,H,W],首先需要将四维向量变成一个二维的向量 四维tensor的权重[OC,C,KH,KW],首先需要将四维向量变成一个二维的向量. 输出是一个四维的向量[N, OC, OH, OW] 变输入 首先为了矩阵乘法，我们要把输入[N,C,H,W]的输入变成 [NxOHxOW, CxKHxKW]的二维向量，此时的存储空间变为原来的OHxOW倍。 这个变输入实际上是每次将卷积运算需要的数据展成行向量。 def im2col(input_dat
深度学习模型部署
tudou880306的专栏
09-01 580
1.模型应用场景 我只在PC电脑和嵌入式板卡上部署 2.部署环境 包括原生态darknet，原生态caffe,tensorflow，onnx，opencv，trt等环境 3.选择方式 之前是在PC电脑上运行程序，经常使用的是darknet和caffe,环境部署简单，前面的文章有提到如何安装环境。 后来用opencv的dnn模块，发现非常方便，可以加载yolo，caffe，tensorflow部分模型，onnx部分模型，所以碰到一些模型优先会想到opencv来加载调...
图像通道转换[n c h w] 转 [n h w c]
张欣的专栏
10-11 1万+
Tensorflow定义的tensor的shape为[n,h,w,c]，而我们直接读取文件格式是[n,c,h,w]，为了转成[n,h,w,c]形势，可以采用三种方法： img = np.transpose(img, (0, 2, 3, 1)) img = img.reshape(img.shape[0],img.shape[2],img.shape[3],img.shape[1]) ...
请使用cuda将nchw的数据转换为nhwc
03-07
可以使用以下代码将nchw的数据转换为nhwc： ```python import torch # 假设输入数据为nchw格式，大小为(batch_size, channels, height, width) input_data = torch.randn(batch_size, channels, height, width) # 将输入数据转换为nhwc格式，大小为(batch_size, height, width, channels) output_data = input_data.permute(, 2, 3, 1).contiguous() ``` 其中，`permute`函数用于交换输入数据的维度顺序，`contiguous`函数用于使输出数据在内存中连续存储。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值