PyTorch 中的傅里葉卷積實現(xiàn)示例
卷積
卷積在數(shù)據(jù)分析中無處不在。幾十年來,它們一直被用于信號和圖像處理。最近,它們成為現(xiàn)代神經(jīng)網(wǎng)絡(luò)的重要組成部分。如果你處理數(shù)據(jù)的話,你可能會遇到錯綜復(fù)雜的問題。
數(shù)學(xué)上,卷積表示為:

盡管離散卷積在計算應(yīng)用程序中更為常見,但在本文的大部分內(nèi)容中我將使用連續(xù)形式,因為使用連續(xù)變量來證明卷積定理(下面討論)要容易得多。之后,我們將回到離散情況,并使用傅立葉變換在 PyTorch 中實現(xiàn)它。離散卷積可以看作是連續(xù)卷積的近似,其中連續(xù)函數(shù)離散在規(guī)則網(wǎng)格上。因此,我們不會為這個離散的案例重新證明卷積定理。
卷積定理
從數(shù)學(xué)上來說,卷積定理可以這樣描述:

其中的連續(xù)傅里葉變換是(達(dá)到正?;?shù)) :

換句話說,位置空間中的卷積等價于頻率空間中的直乘。這個想法是相當(dāng)不直觀的,但是對于連續(xù)的情況來說,證明卷積定理是驚人的容易。要做到這一點,首先要寫出等式的左邊。

現(xiàn)在切換積分的順序,替換變量(x = y + z) ,并分離兩個被積函數(shù)。

我們?yōu)槭裁匆P(guān)心這一切?
因為快速傅里葉變換的算法復(fù)雜度低于卷積。直接卷積運(yùn)算具有復(fù)雜度 O(n^2) ,因為在 f 中,我們傳遞 g 中的每個元素,所以可以在 O(nlogn)時間內(nèi)計算出快速傅立葉變換。當(dāng)輸入數(shù)組很大時,它們比卷積要快得多。在這些情況下,我們可以使用卷積定理計算頻率空間中的卷積,然后執(zhí)行逆傅里葉變換回到位置空間。
當(dāng)輸入較小時(例如3x3卷積內(nèi)核) ,直接卷積仍然更快。在機(jī)器學(xué)習(xí)應(yīng)用程序中,使用小內(nèi)核更為常見,因此像 PyTorch 和 Tensorflow 這樣的深度學(xué)習(xí)庫只提供直接卷積的實現(xiàn)。但是在現(xiàn)實世界中有很多使用大內(nèi)核的用例,其中傅立葉卷積算法更有效。
PyTorch 實現(xiàn)
現(xiàn)在,我將演示如何在 PyTorch 中實現(xiàn)傅里葉卷積函數(shù)。它應(yīng)該模仿 torch.nn.functional.convNd 的功能,并利用 fft,而不需要用戶做任何額外的工作。因此,它應(yīng)該接受三個 Tensors (signal、kernel 和可選 bias)和應(yīng)用于輸入的 padding。從概念上講,這個函數(shù)的內(nèi)部工作原理是:
def fft_conv( signal: Tensor, kernel: Tensor, bias: Tensor = None, padding: int = 0, ) -> Tensor: # 1. Pad the input signal & kernel tensors # 2. Compute FFT for both signal & kernel # 3. Multiply the transformed Tensors together # 4. Compute inverse FFT # 5. Add bias and return
讓我們按照上面顯示的操作順序逐步構(gòu)建 FFT 卷積。對于這個例子,我將構(gòu)建一個一維傅里葉卷積,但是將其擴(kuò)展到二維和三維卷積是很簡單的。
1. 填充輸入數(shù)組
我們需要確保 signal 和 kernel 在填充之后有相同的大小。應(yīng)用初始填充 signal,然后調(diào)整 kernel 的填充以匹配。
# 1. Pad the input signal & kernel tensors signal = f.pad(signal, [padding, padding]) kernel_padding = [0, signal.size(-1) - kernel.size(-1)] padded_kernel = f.pad(kernel, kernel_padding)
注意,我只在一邊填充 kernel。我們希望原始內(nèi)核位于填充數(shù)組的左側(cè),這樣它就可以與 signal 數(shù)組的開始對齊。
2. 計算傅立葉變換
這非常簡單,因為 n 維 fft 已經(jīng)在 PyTorch 中實現(xiàn)了。我們簡單地使用內(nèi)置函數(shù),并計算沿每個張量的最后一個維數(shù)的 FFT。
# 2. Perform fourier convolution signal_fr = rfftn(signal, dim=-1) kernel_fr = rfftn(padded_kernel, dim=-1)
3. 變換張量相乘
令人驚訝的是,這是我們功能中最復(fù)雜的部分。這有兩個原因。(1) PyTorch 卷積運(yùn)行于多維張量上,因此我們的 signal 和 kernel 張量實際上是三維的。從 PyTorch 文檔中的這個方程式,我們可以看到矩陣乘法是在前兩個維度上運(yùn)行的(不包括偏差項) :

我們將需要包括這個矩陣乘法,以及對轉(zhuǎn)換后的維度的直接乘法。
PyTorch 實際上實現(xiàn)了互相關(guān)/值方法而不是卷積方法。(TensorFlow 和其他深度學(xué)習(xí)庫也是如此。)互相關(guān)與卷積密切相關(guān),但有一個重要的標(biāo)志變化:

與卷積相比,這有效地逆轉(zhuǎn)了核的方向(g)。我們不是手動翻轉(zhuǎn)內(nèi)核,而是在傅里葉空間中利用內(nèi)核的共軛復(fù)數(shù)來糾正這個問題。由于我們不需要創(chuàng)建一個全新的 Tensor,所以這樣做的速度明顯更快,內(nèi)存效率也更高。(本文末尾的附錄中簡要說明了這種方法的工作原理。)
# 3. Multiply the transformed matrices def complex_matmul(a: Tensor, b: Tensor) -> Tensor: """Multiplies two complex-valued tensors.""" # Scalar matrix multiplication of two tensors, over only the first two dimensions. # Dimensions 3 and higher will have the same shape after multiplication. scalar_matmul = partial(torch.einsum, "ab..., cb... -> ac...") # Compute the real and imaginary parts independently, then manually insert them # into the output Tensor. This is fairly hacky but necessary for PyTorch 1.7.0, # because Autograd is not enabled for complex matrix operations yet. Not exactly # idiomatic PyTorch code, but it should work for all future versions (>= 1.7.0). real = scalar_matmul(a.real, b.real) - scalar_matmul(a.imag, b.imag) imag = scalar_matmul(a.imag, b.real) + scalar_matmul(a.real, b.imag) c = torch.zeros(real.shape, dtype=torch.complex64) c.real, c.imag = real, imag return c # Conjugate the kernel for cross-correlation kernel_fr.imag *= -1 output_fr = complex_matmul(signal_fr, kernel_fr)
PyTorch 1.7改進(jìn)了對復(fù)數(shù)的支持,但是在 autograd 中還不支持對復(fù)數(shù)張量的許多操作。現(xiàn)在,我們必須編寫我們自己的復(fù)雜 matmul 方法作為一個補(bǔ)丁。雖然不是很理想,但是它確實有效,并且在未來的版本中不會出現(xiàn)問題。
4. 計算逆變換
使用 torch.irfftn 可以直接計算逆變換,然后裁剪出額外的數(shù)組填充。
# 4. Compute inverse FFT, and remove extra padded values output = irfftn(output_fr, dim=-1) output = output[:, :, :signal.size(-1) - kernel.size(-1) + 1]
5. 添加偏執(zhí)項并返回
添加偏差項也很容易。請記住,對于輸出陣列中的每個通道,偏置項都有一個元素,并相應(yīng)地調(diào)整其形狀。
# 5. Optionally, add a bias term before returning. if bias is not None: output += bias.view(1, -1, 1)
將上述代碼整合在一起
為了完整起見,讓我們將所有這些代碼片段編譯成一個內(nèi)聚函數(shù)。
def fft_conv_1d(
signal: Tensor, kernel: Tensor, bias: Tensor = None, padding: int = 0,
) -> Tensor:
"""
Args:
signal: (Tensor) Input tensor to be convolved with the kernel.
kernel: (Tensor) Convolution kernel.
bias: (Optional, Tensor) Bias tensor to add to the output.
padding: (int) Number of zero samples to pad the input on the last dimension.
Returns:
(Tensor) Convolved tensor
"""
# 1. Pad the input signal & kernel tensors
signal = f.pad(signal, [padding, padding])
kernel_padding = [0, signal.size(-1) - kernel.size(-1)]
padded_kernel = f.pad(kernel, kernel_padding)
# 2. Perform fourier convolution
signal_fr = rfftn(signal, dim=-1)
kernel_fr = rfftn(padded_kernel, dim=-1)
# 3. Multiply the transformed matrices
kernel_fr.imag *= -1
output_fr = complex_matmul(signal_fr, kernel_fr)
# 4. Compute inverse FFT, and remove extra padded values
output = irfftn(output_fr, dim=-1)
output = output[:, :, :signal.size(-1) - kernel.size(-1) + 1]
# 5. Optionally, add a bias term before returning.
if bias is not None:
output += bias.view(1, -1, 1)
return output
直接卷積測試
最后,我們將使用 torch.nn.functional.conv1d 來確認(rèn)這在數(shù)值上等同于直接一維卷積。我們?yōu)樗休斎霕?gòu)造隨機(jī)張量,并測量輸出值的相對差異。
import torch
import torch.nn.functional as f
torch.manual_seed(1234)
kernel = torch.randn(2, 3, 1025)
signal = torch.randn(3, 3, 4096)
bias = torch.randn(2)
y0 = f.conv1d(signal, kernel, bias=bias, padding=512)
y1 = fft_conv_1d(signal, kernel, bias=bias, padding=512)
abs_error = torch.abs(y0 - y1)
print(f'\nAbs Error Mean: {abs_error.mean():.3E}')
print(f'Abs Error Std Dev: {abs_error.std():.3E}')
# Abs Error Mean: 1.272E-05
考慮到我們使用的是32位精度,每個元素相差大約1e-5ー相當(dāng)精確!讓我們也執(zhí)行一個快速的基準(zhǔn)來測量每個方法的速度:
from timeit import timeit
direct_time = timeit(
"f.conv1d(signal, kernel, bias=bias, padding=512)",
globals=locals(),
number=100
) / 100
fourier_time = timeit(
"fft_conv_1d(signal, kernel, bias=bias, padding=512)",
globals=locals(),
number=100
) / 100
print(f"Direct time: {direct_time:.3E} s")
print(f"Fourier time: {fourier_time:.3E} s")
# Direct time: 1.523E-02 s
# Fourier time: 1.149E-03 s
測量的基準(zhǔn)將隨著您使用的機(jī)器而發(fā)生顯著的變化。(我正在用一臺非常舊的 Macbook Pro 進(jìn)行測試。)對于1025的內(nèi)核,傅里葉卷積似乎要快10倍以上。
總結(jié)
我希望這已經(jīng)提供了一個徹底的介紹傅里葉卷積。我認(rèn)為這是一個非??岬募记桑诂F(xiàn)實世界中有很多應(yīng)用程序可以使用它。我也喜歡數(shù)學(xué),所以看到編程和純數(shù)學(xué)的結(jié)合是很有趣的。歡迎和鼓勵所有的評論和建設(shè)性的批評,如果你喜歡這篇文章,請鼓掌!
附錄:
卷積 vs. 互相關(guān)
在本文的前面,我們通過在傅里葉空間中取得內(nèi)核的互相關(guān)共軛復(fù)數(shù)來實現(xiàn)。這實際上顛倒了 kernel 的方向,現(xiàn)在我想演示一下為什么會這樣。首先,記住卷積和互相關(guān)的公式:

然后,讓我們來看看 g(x) 的傅里葉變換:

注意,g(x)是實值的,所以它不受共軛復(fù)數(shù)變化的影響。然后,更改變量(y =-x)并簡化表達(dá)式。

到此這篇關(guān)于PyTorch 中的傅里葉卷積實現(xiàn)示例的文章就介紹到這了,更多相關(guān)PyTorch 傅里葉卷積內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
使用python進(jìn)行二維碼生成和識別的實現(xiàn)
在Python中,生成和識別二維碼可以使用不同的庫來實現(xiàn),最常用的庫包括 qrcode 和 pyzbar,以下是如何使用這些庫來生成和識別二維碼的示例,感興趣的小伙伴可以參考閱讀下2024-09-09
Python自然語言處理 NLTK 庫用法入門教程【經(jīng)典】
這篇文章主要介紹了Python自然語言處理 NLTK 庫用法,結(jié)合實例形式詳細(xì)分析了NLTK庫的功能、安裝、引用以及使用NLTK庫進(jìn)行文本分析的各種常用操作技巧,需要的朋友可以參考下2018-06-06

