python interpreter 中没有torch_关于python的卷积函数总结（一）

本专业使用了大量的卷积运算，最近学习python，python里面的库比较多，不同的库中有不同的运算，现在将一维的总结如下，之后累计可能更新。

2010年1月16

对比的函数如下：

---------------------------------------------------------------------

numpy库： numpy.convolve

---------------------------------------------------------------------

scipy库：scipy.signal.convolve、scipy.signal.fftconvolve、scipy.ndimage.convolve、

---------------------------------------------------------------------

cupy库：cupyx.scipy.ndimage.convolve

---------------------------------------------------------------------

torch库：torch.nn.conv1d、torch.nn.functional.conv1d

一维卷积测试：

1、为了对比方便，分别将他们重新命名

2、输入整型数组

输入整型的原因是：对于所有的卷积操作，浮点型都可以使用，但是整型不一定，我们后续可以看到，所以使用整型来进行测试

结果如下：

3、各种函数开始探索

1 一维数组

1）使用numpy自带的卷积函数

结果如下：

2）使用scipy.ndimage自带的卷积函数

结果如下：

对于cupy数据，同样的接口

结果如下：

3）使用scipy.signal自带的卷积函数

结果如下：

可以看到fft返回值是浮点数

2 三维数组

转化为三维数组，查看运算

1）使用numpy自带的卷积函数

不执行

也就是说numpy.convolve函数，输入必须是一维数组

2）使用scipy.ndimage自带的卷积函数

结果如下：

对于cupy数据，同样的接口

结果如下：

3）使用scipy.signal自带的卷积函数

结果如下：

可以得到结果，但是有warning,我们来看下：

FutureWarning: Using a non-tuple sequence for multidimensional indexing is deprecated; use `arr[tuple(seq)]` instead of `arr[seq]`. In the future this will be interpreted as an array index, `arr[np.array(seq)]`, which will result either in an error or a different result. return x[reverse].conj()

不建议使用非元组序列进行多维索引;使用“arr[tuple(seq)]”而不是“arr[seq]”。在未来这将被解释为一个数组索引，' arr[np.array(seq)] '，这将导致一个错误或一个不同的结果。

而在使用fft的时候却没有问题

结果如下：

3 转化为torch

torch要求权重至少是三维，否则报错

torch不支持浮点数计算

结果如下

1）使用torch.nn.functional的一维卷积conv1d

由于卷积的长度要确定padding,所以padding确定如下：

卷积如下

结果如下：

我们可以看到结果与之前的不同，因为torch中的滤波器不会自动翻转，所以需要手工翻转

反转之后

结果如下：

我们看到和之前的结果一样

也可以让输入矩阵翻转在交换输入矩阵和滤波器的位置：

结果如下：

2）使用torch.nn的一维卷积Conv1d

结果如下：