im2col：更正版

最新推荐文章于 2022-07-12 22:41:31 发布

发烧的小龙虾

最新推荐文章于 2022-07-12 22:41:31 发布

阅读量457

点赞数

CC 4.0 BY-SA版权

分类专栏： DL

本文链接：https://blog.youkuaiyun.com/shijie97/article/details/100063839

本文介绍im2col函数在卷积神经网络（CNN）中的关键角色，它将四维输入数据转换为二维，简化了卷积运算的过程。虽然im2col的实现仅涉及十多行代码，但其工作原理的深入理解颇具挑战性，特别是对于初次接触高维数据处理的开发者。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

学过CNN的都知道im2col是非常重要的函数之一，用于将输入的四维数据转化成二维数据方便进行卷积运算。

代码虽就10来行不过要理解透彻还是相当不容易的，第一次写涉及到如此高维的数据处理，有点难以适应...

im2col

def im2col(input_data, filter_h, filter_w, stride=1, pad=0):
    """

    Parameters
    ----------
    input_data : 由(数据量, 通道, 高, 长)的4维数组构成的输入数据
    filter_h : 滤波器的高
    filter_w : 滤波器的长
    stride : 步幅
    pad : 填充

    Returns
    -------
    col : 2维数组
    """
    N, C, H, W = input_data.shape
    out_h = (H + 2*pad - filter_h)//stride + 1
    out_w = (W + 2*pad - filter_w)//stride + 1

    img = np.pad(input_data, [(0,0), (0,0), (pad, pad), (pad, pad)], 'constant')
    col = np.zeros((N, C, filter_h, filter_w, out_h, out_w))

    for y in range(filter_h):
        # 这一步是因为y还可以往下走(out_h - 1)步，所以需要计算ymax，用y:y_max:stride的方式来表达每一次的跨步
        y_max = y + stride*out_h
        for x in range(filter_w):
            x_max = x + stride*out_w
            col[:, :, y, x, :, :] = img[:, :, y:y_max:stride, x:x_