非对称卷积的代码实现
假设有一个5x5大小的特征图,使用3x3的卷积,不进行padding(即valid),步长默认为1。
计算量:
先进行3x1卷积核的滑动,横向滑动3次,纵向滑动5次,每一次计算量为3,计算量为(3x5)x3=45。得到的新的特征图为 [3,5] 。再进行1x3卷积,横向滑动3次,纵向滑动3次,每一次计算量为3,计算量为(3x3)x3=27。则总的计算量为45+27=72
使用3x3的卷积核对5x5的图进行卷积得到的计算量为:横竖三次滑动,每次计算量为9,则9x9=81>72
代码
输入
import torch
a = torch.randn(1,32,5,5) # 创建一个1x32x5x5的输入,BNWH格式
conv3x1 = torch.nn.Conv2d(32,32,(3,1)) # 3x1卷积
conv1x3 = torch.nn.Conv2d(32,32,(1,3)) # 1x3卷积
out = conv3x1(a)
print(out.shape) # 进行了3x1后的output的形状
out = conv1x3(out)
print(out.shape)
输出:
torch.Size([1, 32, 3, 5])
torch.Size([1, 32, 3, 3])
Process finished with exit code 0