python 实现卷积操作

python实现卷积操作

调用tf.nn.conv2d()实现卷积
自己实现卷积函数

我们知道，tensorflow里面自带卷积函数，tf.nn.conv2d()就可以实现相关功能，本文主要是自己实现卷积操作，然后和tf.nn.conv2d()函数的结果对比，验证正确性。
调用tf.nn.conv2d()实现卷积
首先是调用卷积函数实现卷积操作：
这里说明一下conv2d的定义及参数含义：参考
【定义：】
tf.nn.conv2d (input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)
【参数：】
input : 输入的要做卷积的图片，要求为一个张量，shape为 [ batch, in_height, in_weight, in_channel ]，其中batch为图片的数量，in_height 为图片高度，in_weight 为图片宽度，in_channel 为图片的通道数，灰度图该值为1，彩色图为3。（也可以用其它值，但是具体含义不是很理解）
filter：卷积核，要求也是一个张量，shape为 [ filter_height, filter_weight, in_channel, out_channels ]，其中 filter_height 为卷积核高度，filter_weight 为卷积核宽度，in_channel 是图像通道数，和 input 的 in_channel 要保持一致，out_channel 是卷积核数量。
strides：卷积时在图像每一维的步长，这是一个一维的向量，[ 1, strides, strides, 1]，第一位和最后一位固定必须是1
padding： string类型，值为“SAME” 和 “VALID”，表示的是卷积的形式，是否考虑边界。"SAME"是考虑边界，不足的时候用0去填充周围，"VALID"则不考虑
use_cudnn_on_gpu： bool类型，是否使用cudnn加速，默认为true

import tensorflow as tf
import numpy as np
input = np.array([[1,1,1,0,0],[0,1,1,1,0],[0,0,1,1,1],[0,0,1,1,0],[0,1,1,0,0]])
input = input.reshape([1,5,5,1]) #因为conv2d的参数都是四维的，因此要reshape成四维
kernel = np.array([[1,0,1],[0,1,0],[1,0,1]])
kernel = kernel.reshape([3,3,1,1]) #kernel也要reshape
print(input.shape,kernel.shape) #(1, 5, 5, 1) (3, 3, 1, 1)x = tf.placeholder(tf.float32,[1,5,5,1])
k = tf.placeholder(tf.float32,[3,3,1,1])
output = tf.nn.conv2d(x,k,strides=[1,1,1,1],padding='VALID')with tf.Session() as sess:y = sess.run(output,feed_dict={x:input,k:kernel})print(y.shape) #(1,3,3,1)print(y) #因为y有四维，输出太长了，我就只写一下中间两维的结果（3*3部分）：[[4,3,4],[2,4,3],[2,3,4]]

自己实现卷积函数
下面我们自己实现一个卷积操作，就不care batch和channel那两维了，直接拿中间的二维为例。下面是实现的代码（我这个太偷懒了，步长、padding这些都没有考虑进去）：

import numpy as np
input = np.array([[1,1,1,0,0],[0,1,1,1,0],[0,0,1,1,1],[0,0,1,1,0],[0,1,1,0,0]])
kernel = np.array([[1,0,1],[0,1,0],[1,0,1]])
print(input.shape,kernel.shape)def my_conv(input,kernel):output_size = (len(input)-len(kernel)+1)res = np.zeros([output_size,output_size],np.float32)for i in range(len(res)):for j in range(len(res)):res[i][j] = compute_conv(input,kernel,i,j)return resdef compute_conv(input,kernel,i,j):res = 0for kk in range(3):for k in range(3):print(input[i+kk][j+k])res +=input[i+kk][j+k]*kernel[kk][k]  #这句是关键代码，实现了两个矩阵的点乘操作return res
print(my_conv(input,kernel))

输出：

[[4. 3. 4.]
[2. 4. 3.]
[2. 3. 4.]]
————————————————
版权声明：本文为CSDN博主「aaon22357」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：

python 实现卷积操作相关推荐

DeepLearning：手动编辑python实现卷积操作
目前的深度学习框架真正去实现卷积的时候,使用的是矩阵乘法的方式,使用im2col操作将输入数据与权重展开成二维矩阵,然后直接做矩阵乘法, 缺点是占用许多内存.具体原理看下面这张图就能明白: 图片的上面 ...
基于Python的卷积神经网络和特征提取
基于Python的卷积神经网络和特征提取发表于2015-08-27 21:39| 4577次阅读| 来源blog.christianperone.com/| 13 条评论| 作者Christi ...
【深度学习】越来越卷，教你使用Python实现卷积神经网络（CNN）
@Author:Runsen https://blog.csdn.net/weixin_44510615/article/details/117409037 卷积神经网络 Yann LeCun 和Yo ...
python的文件操作、模块操作、os模块、time、datatime模块以及模块的制作
Day12新手小白学python 第十二节 python的文件操作.模块操作.os模块.time.datatime模块以及模块的制作目录 Day12新手小白学python 前言一.文件打开关闭二 ...
【深度学习入门】——亲手实现图像卷积操作
深度学习中有一个很重要的概念就是卷积神经网络 CNN,卷积神经网络中又有卷积层.池化层的概念.尤其是卷积层,理解难度比较大,虽然书中或者是视频中都有详细介绍过它的基础概念,但对于求知欲望很强烈的我,我 ...
人工智能：如何使用opencv4 和python实现卷积功能
Neural Networks and Deep Learning基础介绍 Inception系列从ResNet到DenseNet tensorflow中文社区这个博客主要通过回答以下几个问题来实 ...
Python模块MySQLdb操作mysql出现2019错误:Can't initialize character set utf-8
我使用python的MySQLdb模块实现了一个mysql client, 在测试时,出现了如下错误 Python模块MySQLdb操作mysql出现2019错误:Can't initialize c ...
Python 炫技操作：合并字典的七种方法
来源 | Python编程时光(ID: Cool-Python) Python 语言里有许多(而且是越来越多)的高级特性,是 Python 发烧友们非常喜欢的.在这些人的眼里,能够写出那些一般开发者看 ...
Python OpenCV像素操作
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本文转自:opencv学堂 Python OpenCV像素操作环 ...

python 实现卷积操作

python 实现卷积操作相关推荐

最新文章

热门文章