theano中对图像进行convolution 运算

(1) 定义计算过程中需要的symbolic expression

 """
 定义相关的symbolic experssion
 """
 # convolution layer的输入，根据theano，它应该是一个4d tensor
 input = T.tensor4(name='input')
 # 共享权值W，它的shape为2,3,9,9
 w_shp = (2,3,9,9);w_bound = numpy.sqrt(3*9*9)
 W = theano.shared(numpy.asarray(rng.uniform(low= -1.0/w_bound, high = 1.0/w_bound,size=w_shp),dtype=input.dtype),name='W')
 # 利用卷积核W对input进行卷积运算
 conv_out = conv.conv2d(input,W)
 # 偏执向量b
 b_shp = (2,)  # b是一个只有1个元素2的tuple
 b = theano.shared(numpy.asarray(rng.uniform(low= -.5, high = .5,size=b_shp),dtype=input.dtype),name='b')
 # 计算sigmoid函数
 output = T.nnet.sigmoid(conv_out+b.dimshuffle('x',0,'x','x'))
 # 输入输出function
 f = theano.function([input],output)

（2）利用真实数据计算

 """
 开始使用具体数值
 """
 # 读入图像
 img = Image.open('3wolfmoon.jpg', mode='r')
 # 将输入图像存入在array中
 img = numpy.array(img,dtype='float64')/256
 # 对输入图像进行reshape
 img_=img.transpose(2,0,1).reshape(1,3,639,516)
 # 利用convolution kernel对输入图像进行卷积运算
 filtered_img=f(img_)

（3）绘制需要显示的图像

 """
 绘制图像
 """
 # 显示原始图像
 pylab.subplot(1,3,1);pylab.axis('off');pylab.imshow(img);pylab.gray()
 # 显示filter后的图像的channel1
 pylab.subplot(1,3,2);pylab.axis('off');pylab.imshow(filtered_img[0,0,:,:])
 # 显示filter后的图像的channel2
 pylab.subplot(1,3,3);pylab.axis('off');pylab.imshow(filtered_img[0,1,:,:])
 # 显示
 pylab.show()

整个代码段

 # -*- coding: utf-8 -*-

 # 导入相关的模块
 import theano
 from theano import tensor as T
 from theano.tensor.nnet import conv
 import numpy
 import pylab
 from PIL import Image

 # 产生随机数的种子
 rng = numpy.random.RandomState(23455)

 """
 定义相关的symbolic experssion
 """
 # convolution layer的输入，根据theano，它应该是一个4d tensor
 input = T.tensor4(name='input')
 # 共享权值W，它的shape为2,3,9,9
 w_shp = (2,3,9,9);w_bound = numpy.sqrt(3*9*9)
 W = theano.shared(numpy.asarray(rng.uniform(low= -1.0/w_bound, high = 1.0/w_bound,size=w_shp),dtype=input.dtype),name='W')
 # 利用卷积核W对input进行卷积运算
 conv_out = conv.conv2d(input,W)
 # 偏执向量b
 b_shp = (2,)  # b是一个只有1个元素2的tuple
 b = theano.shared(numpy.asarray(rng.uniform(low= -.5, high = .5,size=b_shp),dtype=input.dtype),name='b')
 # 计算sigmoid函数
 output = T.nnet.sigmoid(conv_out+b.dimshuffle('x',0,'x','x'))
 # 输入输出function
 f = theano.function([input],output)

 """
 开始使用具体数值
 """
 # 读入图像
 img = Image.open('3wolfmoon.jpg', mode='r')
 # 将输入图像存入在array中
 img = numpy.array(img,dtype='float64')/256
 # 对输入图像进行reshape
 img_=img.transpose(2,0,1).reshape(1,3,639,516)
 # 利用convolution kernel对输入图像进行卷积运算
 filtered_img=f(img_)

 """
 绘制图像
 """
 # 显示原始图像
 pylab.subplot(1,3,1);pylab.axis('off');pylab.imshow(img);pylab.gray()
 # 显示filter后的图像的channel1
 pylab.subplot(1,3,2);pylab.axis('off');pylab.imshow(filtered_img[0,0,:,:])
 # 显示filter后的图像的channel2
 pylab.subplot(1,3,3);pylab.axis('off');pylab.imshow(filtered_img[0,1,:,:])
 # 显示
 pylab.show()