numpy实现Conv2d卷积

最新推荐文章于 2024-07-14 21:53:39 发布

yscript

最新推荐文章于 2024-07-14 21:53:39 发布

阅读量501

点赞数 8

分类专栏：一些小应用 Pytorch学习记录 cv 文章标签： numpy linux 计算机视觉 pytorch 卷积神经网络

本文链接：https://blog.csdn.net/m0_59741202/article/details/136815738

版权

一些小应用同时被 3 个专栏收录

12 篇文章 0 订阅

订阅专栏

11 篇文章 0 订阅

订阅专栏

Pytorch学习记录

8 篇文章 0 订阅

订阅专栏

该篇文章详细展示了如何使用numpy库从头实现2D卷积操作，不依赖于其他库函数，通过定义conv2d函数并提供了一个实际应用的代码片段，包括输入数组和卷积核的创建以及输出数组的计算。

摘要由CSDN通过智能技术生成

问题背景

用numpy实现一个2d卷积，不允许调用其他库函数。

代码

import numpy as np

def conv2d(input_array, kernel):
    batch_size, in_channel, height, width = input_array.shape 
    in_channel, out_channel, k_height, k_width = kernel.shape
    output_height = height - k_height + 1
    output_width = width - k_width + 1
    output_array = np.empty((batch_size, out_channel, output_height, output_width))

    for b in range(batch_size):
        for oc in range(out_channel):
            for h in range(output_height):
                for w in range(output_width):
                    output_array[b, oc, h, w] = np.sum(
                        input_array[b, :, h:h+k_height, w:w+k_width] * kernel[:, oc, :, :]
                    )

    return output_array

input_array = np.random.randn(1, 3, 256, 256)
kernel = np.random.randn(3, 3, 3, 3)

print(conv2d(input_array=input_array, kernel=kernel).shape)
print('OK')