深度学习NCHW和NHWC数据格式

目录

一、基本概念

二、逻辑表达

三、物理存储

3.1 NCHW

3.2 NHWC

四、RGB图像数据举例

五、不同框架支持

---

转载：图解NCHW与NHWC数据格式

        流行的深度学习框架中有不同的数据格式，典型的有NCHW和NHWC格式。本文从逻辑表达和物理存储角度用图的方式来理解这两种数据格式，最后以RGB图像为例来加深NHWC和NCHW数据存储格式的理解。

一、基本概念

深度学习框架中，数据一般是4D，用NCHW或NHWC表达，其中：

• N - Batch
• C - Channel
• H - Height
• W - Width

二、逻辑表达

        假定N = 2，C = 16，H = 5，W = 4，那么这个4D数据，看起来是这样的：

 

        人类比较直接的理解方式是3D，上图中从三个方向上理解，C方向/H方向/W方向。然后是N方向上，就是4D。上图中红色标准的数值是这个数据里每个元素的数值。

三、物理存储

        无论逻辑表达上是几维的数据，在计算机中存储时都是按照1D来存储的。NCHW和NHWC格式数据的存储形式如下图所示：

3.1 NCHW

        NCHW是先取W方向数据；然后H方向；再C方向；最后N方向。

所以，序列化出1D数据：

000 (W方向) 001 002 003，(H方向) 004 005 ... 019，(C方向) 020 ... 318 319，(N方向) 320 321 ...

3.2 NHWC

        NHWC是先取C方向数据；然后W方向；再H方向；最后N方向。

所以，序列化出1D数据：

000 (C方向) 020 ... 300，(W方向) 001 021 ... 303，(H方向) 004 ... 319，(N方向) 320 340 ...

四、RGB图像数据举例

        表达RGB彩色图像时，一个像素的RGB值用3个数值表示，对应Channel为3。易于理解这里假定N=1，那么NCHW和NHWC数据格式可以很直接的这样表达：

 

NCHW是

先在一个Channel面上把W方向|H方向上元素存储起来 // R
然后再在另一个Channel切面上把W方向|H方向上元素存储起来 // G
最后一个Channel切面上把W方向|H方向上元素存储起来 // B
这样看起来，就是先把R通道的每个像素都存储；然后存储G通道；再然后B通道。

NHWC是

先把3个Channel上元素存储起来 // 也就是一个像素的RGB
然后再在W方向|H方向上元素存储起来
这样看起来，就是顺序地取像素的RGB数值存储起来

五、不同框架支持

目前的主流ML框架对NCHW和NHWC数据格式做了支持，有些框架可以支持两种且用户未做设置时有一个缺省值：

• TensorFlow：缺省NHWC，GPU也支持NCHW
• Caffe：NCHW
• PyTorch：NCHW