caffe rpn layer 中的 reshape layer

Reshape层：(改变blob的形状，N,C,W,H)

    layer {
        name: "reshape"
        type: "Reshape"
        bottom: "input"
        top: "output"
        reshape_param {
          shape {
            dim: 0  # copy the dimension from below
            dim: 2
            dim: 3
            dim: -1 # infer it from the other dimensions
          }
        }
      }  

    #有一个可选的参数组shape, 用于指定blob数据的各维的值（blob是一个四维的数据：n*c*w*h）。  

    #dim:0  表示维度不变，即输入和输出是相同的维度。  

    #dim:2 或 dim:3 将原来的维度变成2或3  

    #dim:-1 表示由系统自动计算维度。数据的总量不变，系统会根据blob数据的其它三维来自动计算当前维的维度值 。  

    #假设原数据为：32*3*28*28， 表示32张3通道的28*28的彩色图片
    #   shape {
    #   dim: 0  32-32
    #   dim: 0  3-3
    #   dim: 14 28-14
    #   dim: -1 #让其推断出此数值
    #   }  

    #输出数据为：32*3*14*56

Reshape layer只改变输入数据的维度，但内容不变，也没有数据复制的过程，与Flatten layer类似。

输出维度由reshape_param 指定，正整数直接指定维度大小，下面两个特殊的值：

• 0 => 表示copy the respective dimension of the bottom layer，复制输入相应维度的值。
• -1 => 表示infer this from the other dimensions，根据其他维度自动推测维度大小。reshape_param中至多只能有一个-1。

再举一个例子：如果指定reshape_param参数为：{ shape { dim: 0 dim: -1 } } ，那么输出和Flattening layer的输出是完全一样的。

Flatten层和Reshape层想似：

类型：Flatten

Flatten层是把一个输入的大小为n * c * h * w变成一个简单的向量，其大小为 n * (c*h*w)。