其中 n 表示這批影象有幾張，h 表示影象在豎直方向有多少畫素，w 表示水平方向畫素數，c 表示通道數（例如黑白影象的通道數 c = 1，而 rgb 彩色影象的通道數 c = 3）。為了便於演示，我們後面作圖均使用 rgb 三通道影象。
兩種格式的區別如下圖所示：
nchw 中，c 排列在外層，每個通道內畫素緊挨在一起，即 'rrrrrrggggggbbbbbb' 這種形式。
nhwc 格式，c 排列在最內層，多個通道對應空間位置的畫素緊挨在一起，即 'rgbrgbrgbrgbrgbrgb' 這種形式。
如果我們需要對影象做彩色轉灰度計算，nchw 計算過程如下：
即 r 通道所有畫素值乘以 0.299，g 通道所有畫素值乘以 0.587，b 通道所有畫素值乘以 0.114，最後將三個通道結果相加得到灰度值。
相應地，nhwc 資料格式的彩色轉灰度計算過程如下：
輸入資料分成多個(r, g, b) 畫素組，每個畫素組中 r 通道畫素值乘以 0.299，g 通道畫素值乘以 0.587，b 通道畫素值乘以 0.114 後相加得到乙個灰度輸出畫素。將多組結果拼接起來得到所有灰度輸出畫素。
以上使用兩種資料格式進行 rgb -> 灰度計算的複雜度是相同的，區別在於訪存特性。通過兩張圖對比可以發現，nhwc 的訪存區域性性更好（每三個輸入畫素即可得到乙個輸出畫素），nchw 則必須等所有通道輸入準備好才能得到最終輸出結果，需要占用較大的臨時空間。
在 cnn 中常常見到 1x1 卷積（例如：用於移動和嵌入式視覺應用的 mobilenets），也是每個輸入 channel 乘乙個權值，然後將所有 channel 結果累加得到乙個輸出 channel。如果使用 nhwc 資料格式，可以將卷積計算簡化為矩陣乘計算，即 1x1 卷積核實現了每個輸入畫素組到每個輸出畫素組的線性變換。
tensorflow 為什麼選擇 nhwc 格式作為預設格式？因為早期開發都是基於 cpu，使用 nhwc 比 nchw 稍快一些（不難理解，nhwc 區域性性更好，cache 利用率高）。
nchw 則是 nvidia cudnn 預設格式，使用 gpu 加速時用 nchw 格式速度會更快（也有個別情況例外）。
最佳實踐：設計網路時充分考慮兩種格式，最好能靈活切換，在 gpu 上訓練時使用 nchw 格式，在 cpu 上做**時使用 nhwc 格式。
與 的區別？ 與 的區別？
相同點 和 都是表示與的邏輯運算子，其運算結果一致 不同點 邏輯與 當兩邊的表示式都為true的時候，整個運算結果才為true，否則為false。短路與 當第乙個表示式的值為false的時候，則不再計算第二個表示式 注意 還可以做位運算子，當表示式不是boolean型別的時候 例項1 public ...
this 與this的區別
this 與this的區別 相信很多剛接觸jquery的人，很多都會對 this 和this的區別模糊不清，那麼這兩者有什麼區別呢？首先來看看jquery中的 這個符號，實際上這個符號在jquery中相當於jquery 即 this jquery 也就是說，這樣可以返回乙個jquery物件。那麼，當...
a與 a的區別
首先，來一段 void main int ptr int a 1 printf d,d a 1 ptr 1 列印出來的值為多少呢?這裡主要是考查關於指標加減操作的理解。對指標進行加1操作，得到的是下乙個元素的位址，而不是原有位址值直接加1。所 以 乙個型別為t的指標的移動，以sizeof t 為移動...