深度学习笔记---摆数操作 NCHW和NHWC区别

深度学习中，经常出现摆数的要求；
经常会对数据的不同格式出现疑惑，这里记录下来；
说到的NHWC或者 NCHW其中每个代表的含义如下：
N代表数量， C代表channel，H代表高度，W代表宽度。

1、NCHW其实代表的是[W H C N]， 第一个元素是000，第二个元素是沿着w方向的，即001，这样下去002 003，再接着呢就是沿着H方向，即004 005 006 007…这样到019后，沿C方向，轮到了020，之后021 022 …一直到319，然后再沿N方向。

2、NHWC代表的是[C W H N]， 第一个元素是000，第二个沿C方向，即020，040, 060…一直到300，之后沿W方向，001 021 041 061…301…到了303后，沿H方向，即004 024 …304.。最后到了319，变成N方向，320,340…

当在不同的硬件加速的情况下，选用的类型不同，在intel GPU加速的情况下，因为GPU对于图像的处理比较多，希望在访问同一个channel的像素是连续的，一般存储选用NCHW，这样在做CNN的时候，在访问内存的时候就是连续的了，比较方便；

所以在深度学习的时候，推理的前处理，一般都是将RGB或BGR图像进行转变为NCHW的格式；通常我们用opencv读取图像是NHWC的格式，需要进行通道分离，因为网路是一个通道一个通道的对图像做卷积，提取feature，所以NCHW更适合CNN。