![](/img/trans.png)
[英]How to implement an image(2D array) sequence sliding window in tensorflow?
[英]How to implement maxpool: taking a maximum on sliding window on image or tensor
总之:我在寻找一个简单的numpy
(也许oneliner)实施Maxpool
-最大的窗口上numpy.narray
跨维度窗口的所有位置。
更详细地说:我正在实现一个卷积神经网络(“CNN”),这种网络中的典型层之一是MaxPool
层( 在这里查看例子)。 写y = MaxPool(x, S)
, x
是输入narray
, S
是参数,使用伪代码, MaxPool
的输出由下MaxPool
给出:
y[b,h,w,c] = max(x[b, s*h + i, s*w + j, c]) over i = 0,..., S-1; j = 0,...,S-1.
也就是说, y
是narray
,其中索引b,h,w,c
等于沿着输入x
的第二维和第三维的大小S x S
的窗口所取的最大值,窗口“角”位于索引b,h,w,c
。
一些额外的细节:网络是使用numpy
实现的。 CNN有许多“层”,其中一层的输出是下一层的输入。 层的输入是numpy.narray
称为“张量”。 在我的情况下,张量是4维numpy.narray
的, x
。 那就是x.shape
是一个元组(B,H,W,C)
。 在张量处理层之后,每个尺寸的尺寸都会改变,例如,层i= 4
的输入可以具有尺寸B = 10, H = 24, W = 24, C = 3
,而输出,也就是输入到i+1
层具有B = 10, H = 12, W = 12, C = 5
。 如评论中所示,应用MaxPool
后的大小为(B, H - S + 1, W - S + 1, C)
。
具体来说:如果我使用
import numpy as np
y = np.amax(x, axis = (1,2))
其中x.shape
说(2,3,3,4)
这将给我我想要的但是对于一个退化的情况,我最大化的窗口是3 x 3
的大小,第二和第三维的大小x
,这不是我想要的。
这是一个使用np.lib.stride_tricks.as_strided
创建滑动窗口的解决方案,形成一个6D
阵列的形状: (B,H-S+1,W-S+1,S,S,C)
,然后简单地执行最大化第四和第五轴,产生一个形状的输出数组: (B,H-S+1,W-S+1,C)
。 中间6D
阵列将是输入数组的视图,因此不会占用更多的内存。 max
的后续操作是减少将有效地利用滑动views
。
因此,实施将是 -
# Based on http://stackoverflow.com/a/41850409/3293881
def patchify(img, patch_shape):
a, X, Y, b = img.shape
x, y = patch_shape
shape = (a, X - x + 1, Y - y + 1, x, y, b)
a_str, X_str, Y_str, b_str = img.strides
strides = (a_str, X_str, Y_str, X_str, Y_str, b_str)
return np.lib.stride_tricks.as_strided(img, shape=shape, strides=strides)
out = patchify(x, (S,S)).max(axis=(3,4))
样品运行 -
In [224]: x = np.random.randint(0,9,(10,24,24,3))
In [225]: S = 5
In [226]: np.may_share_memory(patchify(x, (S,S)), x)
Out[226]: True
In [227]: patchify(x, (S,S)).shape
Out[227]: (10, 20, 20, 5, 5, 3)
In [228]: patchify(x, (S,S)).max(axis=(3,4)).shape
Out[228]: (10, 20, 20, 3)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.