Unet++改进12：添加PCONV||减少冗余计算和同时存储访问

数组

输入神经网络的tensor的维度为$(B,C,H,W)$

• $B代表batchsize$
• $C代表通道数$
• $H代表图像高$
• $W代表图像宽$

数组维度变换位置&数组维度合并

import torch
x = torch.randn(32, 3, 416, 416)
B,C,H,W = x.shape # 此时：B=32,C=3,H=416,W=416
#数组维度转化
#第一种
x = torch.tensor(x, dtype=torch.float32).permute(0,2,3,1)  #此时x的维度为（B,H,W,C）
#第二种（直接）
x = x.permute(0,2,3,1)  #此时x的维度为（B,H,W,C）
#数组维度合并（一种解决方法，不唯一）
x = torch.randn(32, 3, 416, 416)
B,C,H,W = x.shape # 此时：B=32,C=3,H=416,W=416（必须设置）
x = x.view(B,H*W,C)  #此时x的维度（B,H*W,C）=（32,416*416,3）