使用基本的神經網絡子程序（BNN）加速

我想在加速中使用Apple BNNS（基本神經網絡子程序）庫進行1x1卷積。使用基本的神經網絡子程序（BNN）加速

當我在9x1列向量上運行時，出現意外的結果。

示例代碼張貼在：https://gist.github.com/cancan101/5887cb93cc91a2d10e2bfd23284bb438（一modification of BNNS sample code.）

預期結果：印刷號0-8。

實際結果：

o0: 0.000000 
o1: 0.000000 
o2: 0.000000 
o3: 3.000000 
o4: 0.000000 
o5: 5.000000 
o6: 0.000000 
o7: 7.000000 
o8: 0.000000

我懷疑我這樣做的權利，但我打開的鏈接代碼反饋。

來源

2017-03-07 Alex Rothberg

如果你調換到行向量，你會看到預期的輸出

從這個：

i_desc.width = 1; 
i_desc.height = 9; 
i_desc.row_stride = 1;

這樣：

i_desc.width = 9; 
i_desc.height = 1; 
i_desc.row_stride = 9;

相同的輸出：

o_desc.width = 9; 
o_desc.height = 1; 
o_desc.row_stride = 9;

結果：

Input image stack: 9 x 1 x 1 
Output image stack: 9 x 1 x 1 
Convolution kernel: 1 x 1 
o0: 0.000000 
o1: 1.000000 
o2: 2.000000 
o3: 3.000000 
o4: 4.000000 
o5: 5.000000 
o6: 6.000000 
o7: 7.000000 
o8: 8.000000

來源

2017-03-10 22:40:12 paiv

對，我看到這個工作，但我做錯了什麼？或者我應該工作 –

我不明白你在問什麼。卷積是一種矩陣運算，當您轉置輸入時，您不能期望結果保持不變。 – paiv

行向量上的1x1卷積（權重1）應產生匹配的行向量，並且1x1卷積應產生匹配的列向量。 –

使用基本的神經網絡子程序（BNN）加速

回答

相關問題