卷积的计算 - im2col 1

本文主要是介绍卷积的计算 - im2col 1，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

卷积的计算 - im2col 1

flyfish

输入

input: [[[[ 1  2  3  4][ 5  6  7  8][ 9 10 11 12][13 14 15 16]]]]

中间过程

tensor([[[[[[ 1.,  2.,  3.],[ 5.,  6.,  7.],[ 9., 10., 11.]],[[ 2.,  3.,  4.],[ 6.,  7.,  8.],[10., 11., 12.]]],[[[ 5.,  6.,  7.],[ 9., 10., 11.],[13., 14., 15.]],[[ 6.,  7.,  8.],[10., 11., 12.],[14., 15., 16.]]]]]])

最后

tensor([[ 1.,  2.,  3.,  5.,  6.,  7.,  9., 10., 11.],[ 2.,  3.,  4.,  6.,  7.,  8., 10., 11., 12.],[ 5.,  6.,  7.,  9., 10., 11., 13., 14., 15.],[ 6.,  7.,  8., 10., 11., 12., 14., 15., 16.]])

$$\begin{array}{rl}{\left(\begin{array}{c}a\\ b\\ c\\ d\\ e\\ f\\ g\\ h\\ i\end{array}\right)}^{\top }& ={\left(\begin{array}{c}1W+2X+5Y+6Z\\ 2W+3X+6Y+7Z\\ 3W+4X+7Y+8Z\\ 5W+6X+9Y+10Z\\ 6W+7X+10Y+11Z\\ 7W+8X+11Y+12Z\\ 8W+9X+12Y+13Z\\ 10W+11X+14Y+15Z\\ 11W+12X+15Y+16Z\end{array}\right)}^{\top }\end{array}$$
拆开
$$\begin{array}{rl}{\left(\begin{array}{c}a\\ b\\ c\\ d\\ e\\ f\\ g\\ h\\ i\end{array}\right)}^{\top }& =\left(\begin{array}{cccc}W& X& Y& Z\end{array}\right)\left(\begin{array}{ccccccccc}1& 2& 3& 5& 6& 7& 9& 10& 11\\ 2& 3& 4& 6& 7& 8& 10& 11& 12\\ 5& 6& 7& 9& 10& 11& 13& 14& 15\\ 6& 7& 8& 10& 11& 12& 14& 15& 16\end{array}\right)\\ & ={\left(\begin{array}{c}1W+2X+5Y+6Z\\ 2W+3X+6Y+7Z\\ 3W+4X+7Y+8Z\\ 5W+6X+9Y+10Z\\ 6W+7X+10Y+11Z\\ 7W+8X+11Y+12Z\\ 8W+9X+12Y+13Z\\ 10W+11X+14Y+15Z\\ 11W+12X+15Y+16Z\end{array}\right)}^{\top }\end{array}$$

import numpy as np
import torch# k = kernel
# s = stride
def im2col(img, kernel_size, stride=1,padding=0):N, C, H, W = img.shapek_h, k_w = kernel_sizes = strideout_h = (H - k_h)//s + 1out_w = (W - k_w)//s + 1col = torch.zeros((N, C, k_h, k_w, out_h, out_w))for y in range(k_h):h_lim = y + s * out_hfor x in range(k_w):w_lim = x + s*out_wcol[:, :, y, x, :, :] = img[:, :, y:h_lim:s, x:w_lim:s]print(col)col = col.permute(1, 2, 3, 0, 4, 5 ).contiguous().reshape(C * k_h * k_w,N * out_h * out_w)return colimage = np.arange(1, 17).reshape(-1, 1, 4, 4)#模拟PyTorch用的NCHW
print("input:",image)
x  = torch.tensor(image)
# 测试
print(im2col(x,(2,2)))

其他方式的展开

  col = col.permute(0, 4, 5, 1, 2, 3).reshape(N*out_h*out_w, -1)

tensor([[ 1.,  2.,  5.,  6.],[ 2.,  3.,  6.,  7.],[ 3.,  4.,  7.,  8.],[ 5.,  6.,  9., 10.],[ 6.,  7., 10., 11.],[ 7.,  8., 11., 12.],[ 9., 10., 13., 14.],[10., 11., 14., 15.],[11., 12., 15., 16.]])

这篇关于卷积的计算 - im2col 1的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---