theano中对图像进行convolution 运算

本文主要是介绍theano中对图像进行convolution 运算，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！

(1) 定义计算过程中需要的symbolic expression

 1 """
 2 定义相关的symbolic experssion
 3 """
 4 # convolution layer的输入，根据theano，它应该是一个4d tensor
 5 input = T.tensor4(name='input')
 6 # 共享权值W，它的shape为2,3,9,9
 7 w_shp = (2,3,9,9);w_bound = numpy.sqrt(3*9*9)
 8 W = theano.shared(numpy.asarray(rng.uniform(low= -1.0/w_bound, high = 1.0/w_bound,size=w_shp),dtype=input.dtype),name='W')
 9 # 利用卷积核W对input进行卷积运算
10 conv_out = conv.conv2d(input,W)
11 # 偏执向量b
12 b_shp = (2,)  # b是一个只有1个元素2的tuple
13 b = theano.shared(numpy.asarray(rng.uniform(low= -.5, high = .5,size=b_shp),dtype=input.dtype),name='b')
14 # 计算sigmoid函数
15 output = T.nnet.sigmoid(conv_out+b.dimshuffle('x',0,'x','x'))
16 # 输入输出function
17 f = theano.function([input],output)

（2）利用真实数据计算

 1 """
 2 开始使用具体数值
 3 """
 4 # 读入图像
 5 img = Image.open('3wolfmoon.jpg', mode='r')
 6 # 将输入图像存入在array中
 7 img = numpy.array(img,dtype='float64')/256
 8 # 对输入图像进行reshape
 9 img_=img.transpose(2,0,1).reshape(1,3,639,516)
10 # 利用convolution kernel对输入图像进行卷积运算
11 filtered_img=f(img_)

（3）绘制需要显示的图像

 1 """
 2 绘制图像
 3 """
 4 # 显示原始图像
 5 pylab.subplot(1,3,1);pylab.axis('off');pylab.imshow(img);pylab.gray()
 6 # 显示filter后的图像的channel1
 7 pylab.subplot(1,3,2);pylab.axis('off');pylab.imshow(filtered_img[0,0,:,:])
 8 # 显示filter后的图像的channel2
 9 pylab.subplot(1,3,3);pylab.axis('off');pylab.imshow(filtered_img[0,1,:,:])
10 # 显示
11 pylab.show()

整个代码段

 1 # -*- coding: utf-8 -*-
 2 
 3 # 导入相关的模块
 4 import theano
 5 from theano import tensor as T
 6 from theano.tensor.nnet import conv
 7 import numpy
 8 import pylab
 9 from PIL import Image
10 
11 
12 # 产生随机数的种子
13 rng = numpy.random.RandomState(23455)
14 
15 """
16 定义相关的symbolic experssion
17 """
18 # convolution layer的输入，根据theano，它应该是一个4d tensor
19 input = T.tensor4(name='input')
20 # 共享权值W，它的shape为2,3,9,9
21 w_shp = (2,3,9,9);w_bound = numpy.sqrt(3*9*9)
22 W = theano.shared(numpy.asarray(rng.uniform(low= -1.0/w_bound, high = 1.0/w_bound,size=w_shp),dtype=input.dtype),name='W')
23 # 利用卷积核W对input进行卷积运算
24 conv_out = conv.conv2d(input,W)
25 # 偏执向量b
26 b_shp = (2,)  # b是一个只有1个元素2的tuple
27 b = theano.shared(numpy.asarray(rng.uniform(low= -.5, high = .5,size=b_shp),dtype=input.dtype),name='b')
28 # 计算sigmoid函数
29 output = T.nnet.sigmoid(conv_out+b.dimshuffle('x',0,'x','x'))
30 # 输入输出function
31 f = theano.function([input],output)
32 
33 """
34 开始使用具体数值
35 """
36 # 读入图像
37 img = Image.open('3wolfmoon.jpg', mode='r')
38 # 将输入图像存入在array中
39 img = numpy.array(img,dtype='float64')/256
40 # 对输入图像进行reshape
41 img_=img.transpose(2,0,1).reshape(1,3,639,516)
42 # 利用convolution kernel对输入图像进行卷积运算
43 filtered_img=f(img_)
44 
45 """
46 绘制图像
47 """
48 # 显示原始图像
49 pylab.subplot(1,3,1);pylab.axis('off');pylab.imshow(img);pylab.gray()
50 # 显示filter后的图像的channel1
51 pylab.subplot(1,3,2);pylab.axis('off');pylab.imshow(filtered_img[0,0,:,:])
52 # 显示filter后的图像的channel2
53 pylab.subplot(1,3,3);pylab.axis('off');pylab.imshow(filtered_img[0,1,:,:])
54 # 显示
55 pylab.show()