numpy中的convolve的理解

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/u011599639/article/details/76254442

写在前面

欢迎您关注作者知乎:ML与DL成长之路

推荐关注公众号:AI成长社,ML与DL的成长圣地。

函数

numpy.convolve(a, v, mode=‘full’),这是numpy函数中的卷积函数库
  参数:
    a:(N,)输入的一维数组
    b:(M,)输入的第二个一维数组
    mode:{‘full’, ‘valid’, ‘same’}参数可选
      ‘full’ 默认值,返回每一个卷积值,长度是N+M-1,在卷积的边缘处,信号不重叠,存在边际效应。
      ‘same’ 返回的数组长度为max(M, N),边际效应依旧存在。
      ‘valid’  返回的数组长度为max(M,N)-min(M,N)+1,此时返回的是完全重叠的点。边缘的点无效。

直观理解

数字输入的是离散信号,如下图。
已知x[0] = a,x[1]=b,x[2]=c
这里写图片描述
已知y[0]=i,y[1]=j,y[2]=k
这里写图片描述
下面演示x[n]*y[n]过程
第一步,x[n]乘以y[0]并平移到位置0:
这里写图片描述
第二步,x[n]乘以y[1]并平移到位置1:
这里写图片描述
第三步,x[n]乘以y[2]并平移到位置2:
这里写图片描述
最后,把上面三个图叠加,就得到了x[n] * y[n]:
这里写图片描述

公式及代码

  • 公式:[外链图片转存失败(img-LcEepnoS-1567095783853)(https://docs.scipy.org/doc/numpy/_images/math/a15e07437f8ff0a95c28abb0111c56cbc221df53.png)]
  • 代码:
    由上面的公式可以直接得到下面的数组
>>> np.convolve([1, 2, 3], [0, 1, 0.5])
array([ 0. ,  1. ,  2.5,  4. ,  1.5])

数组中的5个点分别最后一张图片中的五个值

>>> np.convolve([1,2,3],[0,1,0.5], 'same')
array([ 1. ,  2.5,  4. ])

三个值分别对应图片中的(1、2、3)三个下标的值

>>> np.convolve([1,2,3],[0,1,0.5], 'valid')
array([ 2.5])

对应图片坐标为2的值

参考:numpy.convolve¶
知乎

展开阅读全文

没有更多推荐了,返回首页