问题标签 [einops]

我试图用 Pytorch 构建一个 cnn，并且在最大池化方面遇到了困难。我拿了斯坦福大学的cs231n。我记得，maxpooling 可以用作维度扣除步骤，例如，我有这个 (1, 20, height, width) 输入 ot max_pool2d（假设我的 batch_size 是 1）。如果我使用 (1, 1) 内核，我希望得到这样的输出：(1, 1, height, width)，这意味着内核应该在通道维度上滑动。但是，在检查 pytorch 文档后，它说内核在高度和宽度上滑动。感谢 Pytorch 论坛上的 @ImgPrcSng，他告诉我使用 max_pool3d，结果效果很好。但是在 conv2d 层的输出和 max_pool3d 层的输入之间仍然存在一个 reshape 操作。所以很难聚合成一个nn.Sequential，所以我想知道有没有另一种方法可以做到这一点？

我正在尝试理解用于张量重新排序的 einops 语法，但不知何故错过了重点

如果我有以下矩阵：

我了解以下命令的作用：

但我无法真正理解以下内容：

任何帮助，将不胜感激

我正在使用 size 的图像512x512。使用einops补丁大小为32. 总体而言，补丁的数量是256，换句话说，我们得到了一个大小为 的新“图像” 256x1024。

由于该图像实际上是分割问题的掩码，因此该图像实际上仅包含 4 个值（4 类）：0用于背景、1用于第一类、2用于第二类、3用于第三类。

我的目标是获取每个补丁，并为每个类计算C以下内容：

此补丁中的像素数/标记的像素数C。

这应该给我一个大小为 4 的数组，其中第一个条目是补丁中的像素总数（1024）超过背景像素数（标记为 0），第二个、第三个和第四个条目是相同的，但对于对应的类。

理论上，我知道我需要遍历每个补丁，然后计算当前补丁中每个类的像素数，然后除以1024. 这样做256正是我想要的。问题是我有（非常）大量的图像需要为此执行此操作，并且大小512只是使问题更简单的一个示例，因此 for 循环是不可能的。

我知道我可以使用 numpy 得到我想要的结果。我都试过了：numpy.apply_over_axes但numpy.apply_along_axis我不知道哪一个更适合这项任务，还有numpy.where一个我不知道它是如何应用在这里的。

这是我所做的：

两件事情：

1. 我希望输出是256x4沿第二个轴的每个数组总和为 1 的位置。
2. 有没有更快/更好/pythonic的方法来做到这一点，最好是矢量化的？

编辑：我忘了加总和，所以现在我得到了256x4.

我是新手Einsum并且想要一个特殊情况 -einsum用于将矩阵的所有元素相互相乘；说给定一个2D矩阵：-

跨轴乘以元素获得(16,)然后再次将它们相乘以获得(1,)标量。这类似于：-

我尝试使用类似的东西： -

但这绝对不是我想要的，因为它不是乘法

我们怎么能用 编写这么简单的操作einsum呢？einsum 不能处理每一个操作，而是针对一些困难情况进行优化吗？