python numpy 手写maxpooling,超简洁写法

python numpy 手写maxpooling,超简洁写法

简洁易懂

def max_pooling(image, pooling_size, stride):
    c,h,w = image.shape()
    p_h,p_w = pooling_size.shape()

    out_h = (h-p_h)//stride+1
    out_w = (w-p_w)//stride+1
    out = np.zeros((c,out_h, out_w))

    for i in range(c):
        for x in range(out_h):
            for y in range(out_w):
                out[i][x][y] = np.max(image[i][x*stride:(x+1)*stride][y*stride:(y+1)*stride])
    return out
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
Python中,NumPy是一个用于进行科学计算的强大库。它包含了一个多维数组对象和一组用于操作这些数组的工具。NumPy提供了许多数学函数和操作,使得在处理大规模数据时更加高效和方便。 在NumPy中,可以使用numpy.interp()函数进行插值计算。该函数接受一个x值和对应的已知函数值,然后根据这个函数求出对应的y值。通常在曲线平滑处理中会经常使用到这个函数。具体用法如下: ```python import numpy as np # 已知的x和y值 x = np.linspace(0, 2 * np.pi, 10) y = np.sin(x) # 需要计算插值的x坐标 xvals = np.linspace(0, 2 * np.pi, 10000) # 使用interp函数进行插值计算 yinterp = np.interp(xvals, x, y) # 绘制图形 import matplotlib.pyplot as plt plt.plot(x, y, 'r-', xvals, yinterp, 'b-') plt.show() ``` 此代码示例中,我们给出了一个包含10个点的已知函数,然后使用interp函数计算了这个函数在更密集的x坐标上的插值结果,最后绘制出了插值后的曲线。 此外,NumPy还提供了numpy.load()函数用于读取.npy文件到内存。例如,可以使用以下代码读取名为test.npy的文件: ```python import numpy as np arr = np.load('test.npy') ``` 这将把test.npy文件中的数组加载到内存中,并将其存储在变量arr中。 总结起来,Python中的NumPy库为我们提供了强大的数学计算和数组操作功能。使用numpy.interp()函数可以进行插值计算,而numpy.load()函数可以读取.npy文件到内存中。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [Python Numpy库教程](https://blog.csdn.net/weixin_53598445/article/details/122501090)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [undefined](undefined)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [Python Numpy库教程(详细)](https://blog.csdn.net/m0_59485658/article/details/123379160)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值