我在Caffe的网站上阅读了关于Concat层的介绍。然而，我不确定自己是否正确理解了它。

假设我有两个输入层，可以描述为W1 x H1 x D1和W2 x H2 x D2，其中W是宽度，H是高度，D是深度。

因此，我理解当Axis设置为0时，输出将是(W1 + W2) x (H1 + H2) x D，其中D = D1 = D2。

当Axis设置为1时，输出将是W x H x (D1 + D2)，其中H = H1 = H2和W = W1 = W2。

我的理解正确吗？如果不对，我将非常感激您的解释。

回答：

恐怕你的理解有些偏差…
请查看这个caffe.help页面。

通常，Caffe中的数据是以4D的“blob”形式存储的：BxCxHxW（即批次大小乘以通道/特征/深度乘以高度乘以宽度）。
现在如果你有两个blob B1xC1xH1xW1和B2xC2xH2xW2，你可以沿着axis: 1（通道维度）将它们连接起来，形成一个输出blob，其中C=C1+C2。这只有在B1==B2、H1==H2和W1==W2都相等时才可能，结果是B1x(C1+C2)xH1xW1。