Numpy as_strided实现高效卷积中strides如何确定

numpy可实现卷积转换成矩阵乘法算法，但是使用np.lib.stride_tricks.as_strided这个函数可以实现更高效的卷积算法

np.lib.stride_tricks.as_strided(x, shape=None, strides=None, subok=False, writeable=True)

• x: 原数组
• shape: 变换之后数组的shape
• strides: 给定如何从原数组变换得到结果

那么如何确定strides呢？首先从一个简单的例子开始，假设有一矩阵X
$$X=\left[\begin{array}{ccc}1& 2& 3\\ 4& 5& 6\\ 7& 8& 9\end{array}\right]$$

对矩阵X进行2x2的卷积操作，最重要的是拿到每次卷积运算的矩阵block，相当于将矩阵X，转化为一个2x2x2x2的矩阵A

$$A=\left[\begin{array}{cc}\left[\begin{array}{cc}1& 2\\ 4& 5\end{array}\right]& \left[\begin{array}{cc}2& 3\\ 5& 6\end{array}\right]\\ & \\ \left[\begin{array}{cc}4& 5\\ 7& 8\end{array}\right]& \left[\begin{array}{cc}5& 6\\ 8& 9\end{array}\right]\end{array}\right]$$

如下(i,j,k,x) -> (i,j,k,x+1)，在x维度上移动1，移动在原X矩阵中要移动4 bytes，所以strides为 (*, *, *, 4)

如下(i,j,k,x) -> (i,j,k+1,x)，在k维度上移动1，移动在原X矩阵中要移动12 bytes，所以strides为 (*, *, 12, 4)

如下(i,j,k,x) -> (i,j+1,k,x)，在k维度上移动1，移动在原X矩阵中要移动4 bytes，所以strides为 (*, 4, 12, 4)

如下(i,j,k,x) -> (i+1,j,k,x)，在k维度上移动1，移动在原X矩阵中要移动12 bytes，所以strides为 (12, 4, 12, 4)