用C语言实现卷积操作（包含单通道单卷积和多通道多卷积以及维度的转换）
用C语言实现卷积
-
- 单通单卷积
- 多通道多卷积
- 维度转换（多维转一维）
- 完整代码实现：
单通单卷积
卷积其实就是个点成相加的过程
原理图如下：
关键代码实现：
//单通道单卷积
#define IMG_SIZE 5
#define W_SIZE 3
#define OUT_SIZE 3 // (f-w+2p)/s + 1 = (5-3+0)/1+1 = 3
int conv(float img[IMG_SIZE][IMG_SIZE],float w[W_SIZE][W_SIZE],float out[OUT_SIZE][OUT_SIZE])
{
float tmp=0.0;
for(int k=0;k<=IMG_SIZE - W_SIZE;k++) //特征平面的行 列平移 行卷积
{
for(int r=0;r<=IMG_SIZE - W_SIZE;r++) //特征平面的列 行平移 列卷积
{
tmp = 0.0;
//单次卷积 点对点相乘 然后相加
for(int i=0;i<W_SIZE;i++) //卷积的行
{
for(int j=0;j<W_SIZE;j++) //卷积的列
{
tmp += img[i+k][j+r]*w[i][j];
}
}
out[k][r] = tmp;
}
}
return 0;
}
运行结果：
多通道多卷积
原理示意图：
关键代码实现如下：
//多通道多卷积
#define IMG_SIZE 7
#define IMG_CH 3
#define CONV_KERNEL_SIZE 3
#define CONV_KERNEL_CH 3
#define CONV_KERNEL_NUM 2
#define OUT_SIZE 5
#define OUT_CH 2
/*
注意：这里把通道数放后面 是为了与后续 tensorflow 提取的参数保持一致
如:
# 进行卷积计算
# x表示输入的描述表示4阶张量，类似[1,2,2,3]， 由于使用一张图 于是可以写成[2][3][3]
# 第一维参数表示一次性读取的图片数量
# 第2、3维表示图片的分辨率，最后一维表示图片的通道数
# w表示卷积核的表述，同样是4维张量
# 第1、2维表示卷积核的分辨率，第3维表示图片的通道数
# 第4维表示卷积核的个数
*/
/*
img : [7][7][3] 输入图像大小 7*7 有3个通道数
w : [3][3][3][2] 权重大小 3*3 有3个通道数 一共有2个卷积核
out : [5][5][2] 输出图像大小 5*5 有2个通道数 (输出通道数等于卷积核的数量)
*/
int convs( float img[IMG_SIZE][IMG_SIZE][IMG_CH],
float w[CONV_KERNEL_SIZE][CONV_KERNEL_SIZE][CONV_KERNEL_CH][CONV_KERNEL_NUM],
float out[OUT_SIZE][OUT_SIZE][OUT_CH])
{
float tmp=0.0,tmp1=0.0;
for(int m=0;m<CONV_KERNEL_NUM;m++)
{
for(int k=0;k<=IMG_SIZE - W_SIZE;k++) //特征平面的行 列平移 行卷积
{
for(int r=0;r<=IMG_SIZE - W_SIZE;r++) //特征平面的列 行平移 列卷积
{
//多通道累加
tmp1 = 0.0;
for(int n=0;n<CONV_KERNEL_CH;n++)
{
tmp = 0.0;
//单次卷积 点对点相乘 然后相加
for(int i=0;i<W_SIZE;i++) //卷积的行
{
for(int j=0;j<W_SIZE;j++) //卷积的列
{
tmp += img[i+k][j+r][n]*w[i][j][n][m];
}
}
//累加多个特征平面的卷积结果
tmp1 += tmp;
}
out[k][r][m] = tmp1;
}
}
}
}
运行结果：
维度转换（多维转一维）
//实现多维转一维
#define IN_SIZE 3
#define IN_CH 3
#define OUT_LEN (IN_SIZE*IN_SIZE*IN_CH)
int convert(float in[IN_SIZE][IN_SIZE][IN_CH],float out[OUT_LEN])
{
// float *p = out;
for(int k=0;k<IN_CH;k++)
{
for(int i=0;i<IN_SIZE;i++)
{
for(int j=0;j<IN_SIZE;j++)
{
#if 0
*p = in[i][j][k];
#else
out[k*IN_SIZE*IN_SIZE+i*IN_SIZE+j] = in[i][j][k];
#endif
}
}
}
return 0;
}
运行结果：
完整代码实现：
#include