matcaffe的blob维度顺序-白红宇

matcaffe是caffe的matlab接口。caffe本身是C++写的，其blob的维度顺序是[N,C,H,W]，N表示batchSize,C表示channel数目，H表示feature map的Height， W则是width

而在matcaffe中，blob的顺序则是[W,H,C,N]。这是默认的顺序！所以在faster-rcnn的matlab代码中，当加载了proposal_test.prototxt后，发现其网络输入是：

input: "data"input_dim: 1input_dim: 3input_dim: 224input_dim: 224

一开始还奇怪，为啥在matlab中设定断点后输出网络的blob的结构是这样的：

K>> rpn_net.blobs('data').shapeans =   224   224     3     1

为啥不是[1,3,224,224]这个在prototxt中指定的顺序呢？虽然官方caffe的tutorial里也说了，matcaffe的blob顺序就是[W,H,C,N]

翻看matcaffe的代码：caffe_.cpp，找到370行左右:

// Usage: caffe_('blob_get_shape', hBlob)static void blob_get_shape(MEX_ARGS) {  mxCHECK(nrhs == 1 && mxIsStruct(prhs[0]),      "Usage: caffe_('blob_get_shape', hBlob)");  Blob
    
     * blob = handle_to_ptr
     
      
        >(prhs[0]);  const int num_axes = blob->num_axes();  mxArray* mx_shape = mxCreateDoubleMatrix(1, num_axes, mxREAL);  double* shape_mem_mtr = mxGetPr(mx_shape);  for (int blob_axis = 0, mat_axis = num_axes - 1; blob_axis < num_axes;       ++blob_axis, --mat_axis) {    shape_mem_mtr[mat_axis] = static_cast
       
        (blob->shape(blob_axis));  }  plhs[0] = mx_shape;}

其中最关键的是这个：

for (int blob_axis = 0, mat_axis = num_axes - 1; blob_axis < num_axes;       ++blob_axis, --mat_axis) {    shape_mem_mtr[mat_axis] = static_cast
    
     (blob->shape(blob_axis));  }

这里面mat_axis这个索引是倒序的，从3到0；而blob_axis这个索引是正序增加的，从0到3。因此最终的结果是：matcaffe中的blob维度顺序和caffe中顺序完全相反，是[W,H,C,N]