说明
1、对于二维矩阵,卷积时卷积核由左向右、由上向下滑动,对应位置要求加权和。
2、一般图片为RGB三通道,需要每个通道卷积,每个通道都是二维矩阵。灰度图只有一个通道,直接卷起即可。
实例
def my_conv2d(inputs: np.ndarray, kernel: np.ndarray): # 计算需要填充的行列数目,这里假定mode为“same” # 一般卷积核的hw都是奇数,这里实现方式也是基于奇数尺寸的卷积核 h, w = inputs.shape kernel = kernel[::-1, ...][..., ::-1] # 卷积的定义,必须旋转180度 h1, w1 = kernel.shape h_pad = (h1 - 1) // 2 w_pad = (w1 - 1) // 2 inputs = np.pad(inputs, pad_width=[(h_pad, h_pad), (w_pad, w_pad)], mode="constant", constant_values=0) outputs = np.zeros(shape=(h, w)) for i in range(h): # 行号 for j in range(w): # 列号 outputs[i, j] = np.sum(np.multiply(inputs[i: i + h1, j: j + w1], kernel)) return outputs
神龙|纯净稳定代理IP免费测试>>>>>>>>天启|企业级代理IP免费测试>>>>>>>>IPIPGO|全球住宅代理IP免费测试