深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-02-基于Python的卷积运算

代码中会用到一个名叫dimshuffle()的函数。dimshuffle()是一个很强大的工具，但是对于初学者来说可能会搞不懂到底有什么用，一开始我也是。但是经过多次实验，终于弄懂了dimshuffle()的作用是什么，参见dimshuffle的作用详解

[python]  view plain  copy

1. import theano  
2. import numpy  
3. import pylab  
4. from theano import tensor as T  
5. from theano.tensor.nnet import conv  
6. from PIL import Image  
7.   
8. # 生成一个随机数生成类rng，其seed为23455（随机数种子）。    
9. rng = numpy.random.RandomState(23455)  
10.   
11. # 实例化一个4D的输入tensor，是一个象征性的输入，相当于形参，需要调用时传入一个实参    
12. input = T.tensor4(name='input')  
13.   
14. # 权值数组的shape（可以理解为权值的数组大小），用来确定需要产生的随机数个数，  
15. #（该大小可以理解为是一个 2行3列 的矩阵，其中每个矩阵元素又是一个 9行9列的 矩阵）  
16. w_shp = (2, 3, 9, 9)   
17.   
18. # 每个权值的边界，用来确定需要产生的每个随机数的范围。  
19. w_bound = numpy.sqrt(3 * 9 * 9)  
20.   
21. # rng.uniform(low,hign,size)的作用是产生一个shape为size的均匀分布数组，每个数的范围为(low,high)  
22. # numpy.asarray（a）的作用是将 类数组a 转化为array类型  
23. # theano.shared()实例化一个权值变量（只是为了进行GPU加速时用），可以调用W.get_value()查看其value  
24. W = theano.shared( numpy.asarray(  
25.             rng.uniform(  
26.                 low=-1.0 / w_bound,  
27.                 high=1.0 / w_bound,  
28.                 size=w_shp),  
29.             dtype=input.dtype), name ='W')  
30.   
31. # 下面是用同样的方法初始化一个偏置值b，b通常被初始化为0，因为它在算法中会有一个被学习的过程；  
32. # 但是此处是需要直接用它来计算，所以用随机值给它初始化，就当做是已经经过学习后的值了。  
33. b_shp = (2,)  
34. b = theano.shared(numpy.asarray(  
35.             rng.uniform(low=-.5, high=.5, size=b_shp),  
36.             dtype=input.dtype), name ='b')  
37.   
38. # conv.conv2d(input,filter) 需要2个输入，一个是input，一个是filter。    
39. # input就是上文中的4D张量，每个张量分别代表[mini-batch size，特征图的数量，图像高度，图像宽度]。    
40. # filter就是上文中的W。也是一个4D张量，分别代表[m层特征图数量，m-1层特征图数量，过滤器高度，过滤器宽度]。    
41. #    
42. # 当其他函数需要用到变量conv_out时，会先把实参input传入conv2d()中，再计算出conv_out    
43. #  
44. conv_out = conv.conv2d(input, W)  
45.   
46. # dimshuffle是一个很强大的能轻松改变一个张量结构的工具。b.dimshuffle('x', 0, 'x', 'x')  
47. # 就是把b的原始的第0列向量的左侧添加一个维度，在其右侧添加两个维度。  
48. # b原来是个一维数据(2)，经过dimshuffle之后，则变成了一个四维数据(1*2*1*1)。  
49. # dimshuffle具体的操作，参见文章一开始。  
50. output = T.nnet.sigmoid(conv_out + b.dimshuffle('x', 0, 'x', 'x'))  
51.   
52. # 创建一个用来过滤图像的theano.function（可以把f编译为c，然后就可以随时拿来用了。）    
53. #    
54. # 当其他函数需要调用f时（调用形式为f(input)），需要传入实参input，然后将计算结果存入output中。    
55. #    
56. f = theano.function([input], output)  
57.   
58. # 下面开始处理几幅图片来看一下效果  
59. # 打开一幅图片，源代码中有2个"open"，应该是在linux中的语法，我是在windows上运行的，所以改成1个open    
60. img = Image.open('g:\\b.jpg')  
61.   
62. # 得到图片的宽度和高度（注意，顺序一定不要弄反）  
63. img_w, img_h = img.size  
64.   
65. # 将图片像素按照（高度，宽度，通道数量）格式化为array数组  
66. # 其实就是将图片数据格式化为一个数组，因为每个像素点包括3个字节，B,G,R，且其范围为0-255，  
67. # 这个地方最后将其除以256是为了归一化，归一化后的数据是float64类型  
68. img = numpy.asarray(img, dtype='float32') / 256.  
69.   
70. # 图片的原始数据是一个3D数据【高，宽，通道数量】，    
71. # 经过数据置换(transpose(2,0,1))之后，变成了【通道数量，高，宽】，    
72. # 因为f中传入参数需要4D，因此需要将图片数据reshape成为一个【1, 通道数量, 高, 宽】这样的4D张量，    
73. # reshape的参数一定要注意，1就是最外的那一维度，3就是通道数量，然后是【高】和【宽】，    
74. # 这样结果的 img_.shape =【1, 3, 宽, 高】   
75. #  
76. # 为什么reshape为这样的size呢？因为调用f时需要传入一个input，而这个input就是4D，最终的这个input是传入到    
77. # conv2d中的第一个参数，而那个参数的格式是什么呢？[mini-batch size，特征图的数量，图像高度，图像宽度]  
78. # 这样就串起来了吧，第一个参数是batch size，是每次训练的样本数量，此处为1的话，就是最普通的每次训练一个样本。  
79. # 第二个参数代表输入层的特征图数量，这个地方是3，其实就是把一张彩色图片按照3个通道作为3个特征图进行输入；  
80. # 最后两个是图像的高度和宽度，正好一一对应。  
81. #  
82. img_ = img.transpose(2, 0, 1).reshape(1, 3, img_h, img_w)  
83.   
84.   
85. # 将img_作为f的参数，经过计算得到输出  
86. filtered_img = f(img_)  
87.   
88. # 将原始图片显示出来  
89. pylab.subplot(1, 3, 1); pylab.axis('off'); pylab.imshow(img)  
90. # 图片灰度化  
91. pylab.gray();  
92.   
93. # 分别显示不同处理后的图片  
94. pylab.subplot(1, 3, 2); pylab.axis('off'); pylab.imshow(filtered_img[0, 0, :, :])  
95. pylab.subplot(1, 3, 3); pylab.axis('off'); pylab.imshow(filtered_img[0, 1, :, :])  
96. pylab.show()  

运行结果: