我試圖在 2 個矩陣上執(zhí)行反向相關(guān)（至少我認為它是這樣的）以獲得結(jié)果矩陣。注意：反向卷積也有效，因為我將其應(yīng)用于 CNN。我有以下兩個矩陣：vals:[[ 2  1 -3 -4 -4] [ 2 -3  3  1  2] [ 2  5 -6  6 -2] [-5  4  1  5  4] [ 0  0  1 -3 -4]]w0:[[[0,  1, -1],  [1, -1,  0],  [0,  0,  0]], [[1,  0,  0],  [0, -1,  1],  [1,  0,  1]], [[ 1, -1,  0],  [-1,  0, -1],  [-1,  0,  1]]]我本質(zhì)上想應(yīng)用一個滑動窗口，除了在這種情況下，所有的值w0都乘以 中每個點的標量值vals，然后加上相鄰的值。假設(shè)步幅為 1，填充相同（wrt vals），下面的代碼給出了我想要的結(jié)果：concat = np.zeros((3,7,7))for k in range(len(w0)):    for i in range(len(vals)):        for j in range(len(vals[i])):            v = w0[k] * vals[i][j]            concat[k][i:i+v.shape[0], j:j+v.shape[1]] += vprint(concat)導致：[[[  0.   2.  -1.  -4.  -1.   0.   4.]  [  2.   1.  -9.   5.  -2.   5.  -2.]  [  2.  -3.   9. -13.  13. -10.   2.]  [  2.  -2.  -2.   9.  -4.   1.  -4.]  [ -5.   9.  -3.   5.  -5.  -5.   4.]  [  0.   0.   1.  -4.  -1.   4.   0.]  [  0.   0.   0.   0.   0.   0.   0.]] [[  2.   1.  -3.  -4.  -4.   0.   0.]  [  2.  -5.   4.   5.   3.   0.  -4.]  [  4.   4.  -2.  -3.  -7.  -5.  -2.]  [ -3.  -1.   3.  14.  -3.   9.   0.]  [  2.  10. -12.  11. -16.   7.   2.]  [ -5.   4.  -4.   8.   9.   6.   0.]  [  0.   0.   1.  -3.  -3.  -3.  -4.]] [[  2.  -1.  -4.  -1.   0.   4.   0.]  [  0.  -6.   7.   1.   8.   2.   4.]  [ -2.   5. -11.  19. -12.  -3.  -6.]  [ -9.   7.   0. -11.   8.  -9.   4.]  [  3.  -9.  13. -14. -10.   5.  -6.]  [  5.  -4.  -7.   2.   0.   8.   8.]  [  0.   0.  -1.   3.   5.  -3.  -4.]]]然后我會縮小以排除填充，所以：print(concat[:,1:-1, 1:-1])>>> [[[  1.  -9.   5.  -2.   5.]      [ -3.   9. -13.  13. -10.]      [ -2.  -2.   9.  -4.   1.]      [  9.  -3.   5.  -5.  -5.]      [  0.   1.  -4.  -1.   4.]]     [[ -5.   4.   5.   3.   0.]      [  4.  -2.  -3.  -7.  -5.]      [ -1.   3.  14.  -3.   9.]      [ 10. -12.  11. -16.   7.]      [  4.  -4.   8.   9.   6.]]兩個結(jié)果中的任何一個concat都可以，但最好是包含填充的那個。有誰知道不使用python循環(huán)的方法？我更喜歡使用 numpy 或其他一些庫，因為它一定會比我的代碼更快地執(zhí)行相同的計算。