문제2. (파이썬) matrix_convolution 구현

 

 

 

합성곱 이해를 위한 이미지

 

 

 

위의 이미지에서 맨 마지막 연산이 15가 되도록 하는 파이썬 코드

import numpy as np
        
x = np.array([[1,2,3,],[0,1,2],[3,0,1]])
filter = np.array([[2,0,1],[0,1,2],[1,0,2]])
 
print(np.sum(x*filter)) # 15

 

 

---

 

covolution 과정을 이해하기 위한 빌드업 문제와 코드

 

문제 1.

a = np.array([[1,2,3,0],[0,1,2,3],[3,0,1,2],[2,3,0,1]])
 
print(a[0:3,0:3])

 

 

문제 2.

print(a[0:3,1:4])

문제 3.

print(a[1:4,0:3])

 

 

문제 4.

print(a[1:,1:])

import numpy as np

# data array인 a와 filter array인 filter를 생성한다.
a = np.array([[1,2,3,0],[0,1,2,3],[3,0,1,2],[2,3,0,1]])
filter = np.array([2,0,1,1]).reshape(2,2)

# matrix_convolution 함수
def matrix_convolution (data,filter_data,stride) :
	# stirde * (filter_data[열] or filter_data[행])이 data의 열, 혹은 행보다 크면 안됨
    if stride*filter_data.shape[0] > data.shape[0] or stride*filter_data.shape[1] > data.shape[1] :
        return 'stride가 너무 큽니다.'
        
    # 결과 리스트 생성, 결과를 담을 행렬의 shape을 위해서 count_i, count_j 만듦
    result = []
    count_i = 0
    count_j = 0
    
    # convolution 코드
    for i in range(0,data.shape[0]-filter_data.shape[0]+1,stride) :
        count_i += 1
        for j in range(0,data.shape[1]-filter_data.shape[1]+1,stride) :
            count_j += 1
            result.append(np.sum(data[i:filter_data.shape[0]+i,j:filter_data.shape[1]+j]*filter_data))
	
    # 결과 list를 count_i와 count_j를 이용하여 배열로 생성
    result = np.array(result).reshape(int(count_j/count_i),count_i)
    return result

matrix_convolution(a,filter,2)