仅使用NumPy的Maxpooling 2x2数组

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)

因此，我将得到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

---

解决方案

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))