如何解决A CNN 中多维卷积阵列最大池化操作的最佳时间复杂度
只是思考这个问题,我发现如果卷积二维数组是 mn,这个算法在 O(mn) 时间内有效。
看看如何。 只是对于一维情况计算相同的,我们需要在数组中每个大小为 k 的窗口中找到最大值的答案。使用双端队列。 请参阅此了解更多详情 https://www.geeksforgeeks.org/sliding-window-maximum-maximum-of-all-subarrays-of-size-k/
假设在 2D 情况下 k 是过滤器大小,步长是 1 0 填充和 n*m 矩阵。
第一步 然后计算所有大小为 k 的窗口的最大值给出每行中大小为 k 的最大窗口的答案。在对所有行进行计算之后。
步骤 2 之后,在变换矩阵中,对修改矩阵中每一列上大小为 k 的滑动窗口中最大的列执行相同的操作。 重复之后,您将获得大小为 k*k 的整个子数组的最大值,这些子数组从单元格 i,j 开始作为左上角, i+k-1,j+k-1 作为右下角的位置 i,j矩阵。
证明很简单。
当您有 k 行的最大值时,在列上大小为 k 的窗口中计算最大值会得到整个矩阵的最大值。
示例
5 3 2 1 4
2 3 1 5 3
1 2 3 4 6
1 2 3 4 5
5 4 3 2 1
假设 n=5 m=5 和 k=3。
修改后的矩阵看起来像
5 3 4
3 5 3
3 4 6
3 4 5
5 4 3
进一步应用 step2 看起来像。
5 5 6
3 5 6
5 4 6
就是这样,我们面前有最大池化层。
这是一种可以为 CNN 模型带来优化的好算法,还是有更好的现有算法呢?请发表您的意见?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。