Python 实现最大池化操作：将 [64, 512, 96, 32] 池化为 [64, 1024, 12, 8]

Python 实现最大池化操作：将 [64, 512, 96, 32] 池化为 [64, 1024, 12, 8]

本文介绍如何使用 Python 代码实现最大池化操作，将形状为 [64, 512, 96, 32] 的特征图池化为 [64, 1024, 12, 8]。

import numpy as np

# 输入特征图
x = np.random.rand(64, 512, 96, 32)

# 池化操作
pool_size = (8, 6)
stride = (12, 16)
out_h = (x.shape[2] - pool_size[0]) // stride[0] + 1
out_w = (x.shape[3] - pool_size[1]) // stride[1] + 1
out = np.zeros((x.shape[0], x.shape[1], out_h, out_w))

for i in range(out_h):
    for j in range(out_w):
        pool_region = x[:, :, i*stride[0]:i*stride[0]+pool_size[0], j*stride[1]:j*stride[1]+pool_size[1]]
        pool_out = np.max(pool_region, axis=(2,3))
        out[:, :, i, j] = pool_out

# 输出特征图
print(out.shape)  # (64, 512, 12, 8)

代码解释：

1. 输入特征图: x 表示输入的特征图，形状为 [64, 512, 96, 32]，其中：

   • 64 表示批次大小 (batch size)
   • 512 表示特征图的通道数 (channels)
   • 96 和 32 分别表示特征图的高度和宽度

2. 池化操作:

   • pool_size 表示池化窗口的大小，这里设置为 (8, 6)
   • stride 表示池化窗口的步长，这里设置为 (12, 16)
   • out_h 和 out_w 计算输出特征图的高度和宽度
   • out 初始化一个形状为 [64, 512, 12, 8] 的数组，用于存储池化后的结果

3. 循环遍历: 代码使用双层循环遍历输出特征图的每个位置，并在每个位置执行最大池化操作。

   • pool_region 提取当前位置的池化窗口区域
   • pool_out 计算池化窗口区域内的最大值
   • out[:, :, i, j] = pool_out 将最大值存储到输出特征图中

4. 输出特征图: 代码打印输出特征图的形状，结果为 (64, 512, 12, 8)。

注意： 此代码实现了最大池化操作，您也可以根据需要修改代码实现平均池化操作。