我有一批b
m x n
图像存储在数组中x
,和一个卷积滤波器f
大小的p x q
我想应用于每个图像(然后使用总和池并存储在数组中y
)在批次中,即all(np.allclose(y[i][j][k], (x[i, j:j+p, k:k+q] * f).sum()) for i in range(b) for j in range(m-p+1) for k in range(n-q+1))
是真的。
适应这个答案 https://stackoverflow.com/a/43087771/2770572,我可以写以下内容:
b, m, n, p, q = 6, 5, 4, 3, 2
x = np.arange(b*m*n).reshape((b, m, n))
f = np.arange(p*q).reshape((p, q))
y = []
for i in range(b):
shape = f.shape + tuple(np.subtract(x[i].shape, f.shape) + 1)
strides = x[i].strides * 2
M = np.lib.stride_tricks.as_strided(x[i], shape=shape, strides=strides)
y.append(np.einsum('ij,ijkl->kl', f, M))
assert all(np.allclose(y[i][j][k], (x[i, j:j+p, k:k+q] * f).sum()) for i in range(b) for j in range(m-p+1) for k in range(n-q+1))
但我认为有一种方法只需一个就能做到einsum
,这对我有用,因为b
通常在 100 到 1000 之间。
我如何调整我的方法以仅使用一种einsum
?另外,出于我的目的,我不能引入scipy
或除此之外的任何其他依赖项numpy
.