Python NumPy阵列已重塑，但如何更改池的轴？

我有一个8x8矩阵，如下所示：

[[ 0.3  0.3  0.3  0.3  0.3  0.5  0.1 -0.1]
 [ 0.1  0.1 -0.1  0.3  0.3 -0.1 -0.1 -0.5]
 [-0.1  0.1  0.3 -0.1  0.3 -0.1 -0.1 -0.1]
 [-0.1  0.1  0.5  0.3 -0.3 -0.1 -0.3 -0.1]
 [ 0.5  0.1 -0.1  0.1 -0.1 -0.1 -0.3 -0.5]
 [ 0.1 -0.1 -0.3 -0.5 -0.5 -0.1 -0.1 -0.3]
 [-0.5 -0.3 -0.3 -0.3 -0.1 -0.5 -0.1 -0.3]
 [-0.3 -0.3 -0.3 -0.3 -0.1 -0.1 -0.5 -0.3]]

我的窗户是2x2。我想做的是把四个数字放在一起，上下组合。示例输出如下所示：

    [[0.3 0.3
      0.1 0.1]

      [0.3 0.3
      -0.1 0.3]
       .......
       .......
      [-0.1 -0.3
       -0.5 -0.3]]

我使用的是打印arr.reforme16,2,2，但我不理解的是如何设置轴以满足此要求。我的输出是：

[[[ 0.3  0.3]
  [ 0.3  0.3]]

 [[ 0.3  0.1]
  [ 0.5 -0.1]]

 [[ 0.1 -0.1]
  [ 0.1  0.3]]

 [[ 0.3 -0.1]
  [-0.1 -0.5]]

 [[-0.1  0.3]
  [ 0.1 -0.1]]

 [[ 0.3 -0.1]
  [-0.1 -0.1]]

 [[-0.1  0.5]
  [ 0.1  0.3]]

 [[-0.3 -0.3]
  [-0.1 -0.1]]

 [[ 0.5 -0.1]
  [ 0.1  0.1]]

 [[-0.1 -0.3]
  [-0.1 -0.5]]

 [[ 0.1 -0.3]
  [-0.1 -0.5]]

 [[-0.5 -0.1]
  [-0.1 -0.3]]

 [[-0.5 -0.3]
  [-0.3 -0.3]]

 [[-0.1 -0.1]
  [-0.5 -0.3]]

 [[-0.3 -0.3]
  [-0.3 -0.3]]

 [[-0.1 -0.5]
  [-0.1 -0.3]]]

请解释如何将axis应用于此类情况。或者，如果他们是获得最大池的更好方式，请务必提及

注意：所有这些都是针对最大池的。我在python上使用NumPy和SciPy

arr.reshape((4, 2, 4, 2)).transpose((0, 2, 1, 3)).reshape((16, 2, 2))

你想怎么做

编辑：一点解释：第一次重塑将x轴和y轴分别切割为4个2块。这几乎就是您所要求的，只有块位于轴1和轴3上，而不是最后两个。这就是转置的作用。这是数学中矩阵转置的直接推广，它将轴0和1交换到任意维。参数0、2、1、3要求它保留第0个轴和最后一个轴，并交换轴1和2

此时形状为4,4,2,2。因此，最终的重塑会使前两个轴变平。如果您可以使用2x2的4x4块，那么实际上建议不要进行第二次整形，因为与前两次操作相比，这在计算上非常昂贵

这是因为转置创建了一个非连续数组。现在，连续数组和非连续数组之间的一个区别是，重塑连续数组的成本几乎为零，而重塑非连续数组通常会强制复制。

确实如此

arr.reshape((4, 2, 4, 2)).transpose((0, 2, 1, 3)).reshape((16, 2, 2))

你想怎么做

编辑：一点解释：第一次重塑将x轴和y轴分别切割为4个2块。这几乎就是您所要求的，只有块位于轴1和轴3上，而不是最后两个。这就是转置的作用。这是数学中矩阵转置的直接推广，它将轴0和1交换到任意维。参数0、2、1、3要求它保留第0个轴和最后一个轴，并交换轴1和2

此时形状为4,4,2,2。因此，最终的重塑会使前两个轴变平。如果您可以使用2x2的4x4块，那么实际上建议不要进行第二次整形，因为与前两次操作相比，这在计算上非常昂贵

---

这是因为转置创建了一个非连续数组。现在，连续阵列和非连续阵列之间的一个区别是，重塑连续阵列的成本几乎为零，而重塑非连续阵列通常会强制复制。

重塑将两个轴中的每个轴拆分为两个轴，使后一个轴的长度与块大小相同。这将给我们一个4D阵列。然后，沿后两个轴执行最大查找，这将是4D阵列中的第二个和第四个轴

因此，简单地做-

m,n = a.shape
out = a.reshape(m//2,2,n//2,2).max(axis=(1,3))

样本运行-

In [50]: a
Out[50]: 
array([[87, 96, 46, 97, 25, 22, 13, 16],
       [65, 62, 68, 87, 52, 80, 26, 82],
       [27, 82, 50, 20, 11, 14, 94, 23],
       [86, 44, 17, 97, 17, 57, 76, 42],
       [47, 85, 30, 61, 55, 87, 11, 35],
       [36, 11, 29, 45, 16, 54, 40, 77],
       [38, 87, 94, 77, 53, 20, 46, 18],
       [86, 50, 17, 23, 91, 23, 25, 11]])

In [51]: m,n = a.shape

In [52]: a.reshape(m//2,2,n//2,2).max(axis=(1,3))
Out[52]: 
array([[96, 97, 80, 82],
       [86, 97, 57, 94],
       [85, 61, 87, 77],
       [87, 94, 91, 46]])

---

将两个轴中的每个轴拆分为两个轴，使拆分轴中的后一个轴的长度与块大小相同。这将给我们一个4D阵列。然后，沿后两个轴执行最大查找，这将是4D阵列中的第二个和第四个轴

因此，简单地做-

m,n = a.shape
out = a.reshape(m//2,2,n//2,2).max(axis=(1,3))

样本运行-

In [50]: a
Out[50]: 
array([[87, 96, 46, 97, 25, 22, 13, 16],
       [65, 62, 68, 87, 52, 80, 26, 82],
       [27, 82, 50, 20, 11, 14, 94, 23],
       [86, 44, 17, 97, 17, 57, 76, 42],
       [47, 85, 30, 61, 55, 87, 11, 35],
       [36, 11, 29, 45, 16, 54, 40, 77],
       [38, 87, 94, 77, 53, 20, 46, 18],
       [86, 50, 17, 23, 91, 23, 25, 11]])

In [51]: m,n = a.shape

In [52]: a.reshape(m//2,2,n//2,2).max(axis=(1,3))
Out[52]: 
array([[96, 97, 80, 82],
       [86, 97, 57, 94],
       [85, 61, 87, 77],
       [87, 94, 91, 46]])

---

谢谢你的回复。这是一种更简单易懂的方法。再次感谢你们，谢谢你们的回复。这是一种更简单易懂的方法。再次感谢您。这项工作是格式化的，但会使最大值的提取变得更加复杂和难以处理。谢谢你的回答真的很有帮助。这项工作的格式，但使拉最大更复杂和难以处理。谢谢你的回答真的很有帮助。