本文介绍了仅使用NumPy的Maxpooling 2x2数组的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
我需要使用numpy进行最大池化方面的帮助。
我正在学习数据科学的Python，在这里我必须为2x2矩阵做最大池和平均池，输入可以是8x8或更多，但我必须为每个2x2矩阵做最大池。我已使用创建了一个矩阵
k = np.random.randint(1,64,64).reshape(8,8)
8x8矩阵作为随机输出。从结果中，我要执行2x2最大池化。提前感谢
推荐答案
您不必自己计算必要的步长，只需注入两个辅助维度即可创建一个4d数组，该数组是2x2分块矩阵的2D集合，然后对各块取元素最大值：
import numpy as np
# use 2-by-3 size to prevent some subtle indexing errors
arr = np.random.randint(1, 64, 6*4).reshape(6, 4)
m, n = arr.shape
pooled = arr.reshape(m//2, 2, n//2, 2).max((1, 3))
上述内容的一个示例：
>>> arr
array([[40, 24, 61, 60],
[ 8, 11, 27, 5],
[17, 41, 7, 41],
[44, 5, 47, 13],
[31, 53, 40, 36],
[31, 23, 39, 26]])
>>> pooled
array([[40, 61],
[44, 47],
[53, 40]])
对于不采用2x2数据块的完全通用数据块池：
import numpy as np
# again use coprime dimensions for debugging safety
block_size = (2, 3)
num_blocks = (7, 5)
arr_shape = np.array(block_size) * np.array(num_blocks)
numel = arr_shape.prod()
arr = np.random.randint(1, numel, numel).reshape(arr_shape)
m, n = arr.shape # pretend we only have this
pooled = arr.reshape(m//block_size[0], block_size[0],
n//block_size[1], block_size[1]).max((1, 3))
这篇关于仅使用NumPy的Maxpooling 2x2数组的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持编程学习网！
本站部分内容来源互联网,如果有图片或者内容侵犯您的权益请联系我们删除！