结合池化理解NumPy多维数组转置

最新推荐文章于 2024-04-24 13:35:29 发布

albertliangyg

最新推荐文章于 2024-04-24 13:35:29 发布

阅读量737

点赞数

分类专栏： DL 文章标签： python 深度学习

本文链接：https://blog.csdn.net/albertliangyg/article/details/121466152

版权

DL 专栏收录该内容

3 篇文章 0 订阅

订阅专栏

以2个3通道的分辨率为4*4的图片说明：

x = np.arange(96).reshape(2, 3, 4, 4)

其结果为：

array(
[
    [
          [
                [ 0,  1,  2,  3],
         	    [ 4,  5,  6,  7],
         	    [ 8,  9, 10, 11],
         	    [12, 13, 14, 15]
          ],

          [
                [16, 17, 18, 19],
        	    [20, 21, 22, 23],
         	    [24, 25, 26, 27],
         	    [28, 29, 30, 31]
          ],

          [
                [32, 33, 34, 35],
         	    [36, 37, 38, 39],
         	    [40, 41, 42, 43],
         	    [44, 45, 46, 47]
          ]
    ],


    [
          [
            [48, 49, 50, 51],
         	[52, 53, 54, 55],
         	[56, 57, 58, 59],
         	[60, 61, 62, 63]
          ],

          [
            [64, 65, 66, 67],
         	[68, 69, 70, 71],
         	[72, 73, 74, 75],
         	[76, 77, 78, 79]
          ],

          [
            [80, 81, 82, 83],
         	[84, 85, 86, 87],
         	[88, 89, 90, 91],
         	[92, 93, 94, 95]
          ]
    ]
])

设pool_h=pool_w=2, stride=2,pad=0, 则可得：out_h=out_w=2。

通过函数im2col将4维的图片信号转化为2维矩阵:

col = im2col(x, pool_h=2, pool_w=2, stride=2, pad=0)

array([[ 0.,  1.,  4.,  5., 16., 17., 20., 21., 32., 33., 36., 37.],
       [ 2.,  3.,  6.,  7., 18., 19., 22., 23., 34., 35., 38., 39.],
       [ 8.,  9., 12., 13., 24., 25., 28., 29., 40., 41., 44., 45.],
       [10., 11., 14., 15., 26., 27., 30., 31., 42., 43., 46., 47.],
       [48., 49., 52., 53., 64., 65., 68., 69., 80., 81., 84., 85.],
       [50., 51., 54., 55., 66., 67., 70., 71., 82., 83., 86., 87.],
       [56., 57., 60., 61., 72., 73., 76., 77., 88., 89., 92., 93.],
       [58., 59., 62., 63., 74., 75., 78., 79., 90., 91., 94., 95.]])

由于是池化，所以需要按照不同通道拆分：

col = col.reshape(-1, pool_h*pool_w)

其中0,1,4,5是第1张图片第1通道第1次被卷积核扫描的数据。16,17,20,21是第1张图片第2通道第1次被卷积核扫描的数据。依次类推。

array([[ 0.,  1.,  4.,  5.],
       [16., 17., 20., 21.],
       [32., 33., 36., 37.],
       [ 2.,  3.,  6.,  7.],
       [18., 19., 22., 23.],
       [34., 35., 38., 39.],
       [ 8.,  9., 12., 13.],
       [24., 25., 28., 29.],
       [40., 41., 44., 45.],
       [10., 11., 14., 15.],
       [26., 27., 30., 31.],
       [42., 43., 46., 47.],
       [48., 49., 52., 53.],
       [64., 65., 68., 69.],
       [80., 81., 84., 85.],
       [50., 51., 54., 55.],
       [66., 67., 70., 71.],
       [82., 83., 86., 87.],
       [56., 57., 60., 61.],
       [72., 73., 76., 77.],
       [88., 89., 92., 93.],
       [58., 59., 62., 63.],
       [74., 75., 78., 79.],
       [90., 91., 94., 95.]])

按照最大值求池化：

out =np.max(col, axis=1)

其结果为：

array([ 5., 21., 37.,  7., 23., 39., 13., 29., 45., 15., 31., 47., 53.,
       69., 85., 55., 71., 87., 61., 77., 93., 63., 79., 95.])

通过转置求结果是其难点：

out = out.reshape(2, out_h=2, out_w=2, C=3).transpose(0, 3, 1, 2)

转置之前其结果为：

array([
        [
            [[ 5., 21., 37.],
             [ 7., 23., 39.]],

            [[13., 29., 45.],
             [15., 31., 47.]]
        ],


       [
            [[53., 69., 85.],
             [55., 71., 87.]],

            [[61., 77., 93.],
             [63., 79., 95.]]
       ]
    ])

其shape为(2,2,2,3)。主要是理解其维度与轴方向是一一对应的。即第0个维度对应axis=0, 第1个维度对应axis=1, 第2个维度对应axis=2, 第3个维度对应axis=3。对上述数组来说即axis=0的方向是（5，53），axis=1的方向是（5，13），axis=2的方向是（5，7），axis=3的方向是（5，21，37）。

以此来理解transpose(0,3,1,2) 即axis=3与axis=1的方向的数据对调。其结果为：

array([
        [
            [[ 5., 13.],
             [ 7., 15.]],

            [[21., 29.],
             [23., 31.]],

            [[37., 45.],
             [39., 47.]]
        ],


       [
            [[53., 61.],
             [55., 63.]],

            [[69., 77.],
             [71., 79.]],

            [[85., 93.],
             [87., 95.]]
        ]
    ])

然后再将即axis=2（5，7）与axis=3（5，13）的方向的数据对调得到最终结果：

array([
        [
            [[ 5.,  7.],
             [13., 15.]],

            [[21., 23.],
             [29., 31.]],

            [[37., 39.],
             [45., 47.]]
        ],


       [
            [[53., 55.],
             [61., 63.]],

            [[69., 71.],
             [77., 79.]],

            [[85., 87.],
             [93., 95.]]
        ]
    ])