本專業使用了大量的卷積運算，最近學習python，python裡面的庫比較多，不同的庫中有不同的運算，現在将一維的總結如下，之後累計可能更新。
2010年1月16
對比的函數如下：
---------------------------------------------------------------------
numpy庫： numpy.convolve
---------------------------------------------------------------------
scipy庫：scipy.signal.convolve、scipy.signal.fftconvolve、scipy.ndimage.convolve、
---------------------------------------------------------------------
cupy庫：cupyx.scipy.ndimage.convolve
---------------------------------------------------------------------
torch庫：torch.nn.conv1d、torch.nn.functional.conv1d
一維卷積測試：
1、為了對比友善，分别将他們重新命名
python interpreter 中沒有torch_關于python的卷積函數總結（一） 2、輸入整型數組
輸入整型的原因是：對于所有的卷積操作，浮點型都可以使用，但是整型不一定，我們後續可以看到，是以使用整型來進行測試
python interpreter 中沒有torch_關于python的卷積函數總結（一） 結果如下：
python interpreter 中沒有torch_關于python的卷積函數總結（一） 3、各種函數開始探索
1 一維數組
1）使用numpy自帶的卷積函數
結果如下：
python interpreter 中沒有torch_關于python的卷積函數總結（一） 2）使用scipy.ndimage自帶的卷積函數
python interpreter 中沒有torch_關于python的卷積函數總結（一） python interpreter 中沒有torch_關于python的卷積函數總結（一） python interpreter 中沒有torch_關于python的卷積函數總結（一） 結果如下：
python interpreter 中沒有torch_關于python的卷積函數總結（一） 對于cupy資料，同樣的接口
python interpreter 中沒有torch_關于python的卷積函數總結（一） 結果如下：
python interpreter 中沒有torch_關于python的卷積函數總結（一） 3）使用scipy.signal自帶的卷積函數
python interpreter 中沒有torch_關于python的卷積函數總結（一） python interpreter 中沒有torch_關于python的卷積函數總結（一） python interpreter 中沒有torch_關于python的卷積函數總結（一） 結果如下：
python interpreter 中沒有torch_關于python的卷積函數總結（一） 可以看到fft傳回值是浮點數
2 三維數組
轉化為三維數組，檢視運算
python interpreter 中沒有torch_關于python的卷積函數總結（一） 1）使用numpy自帶的卷積函數
不執行
python interpreter 中沒有torch_關于python的卷積函數總結（一） 也就是說numpy.convolve函數，輸入必須是一維數組
2）使用scipy.ndimage自帶的卷積函數
python interpreter 中沒有torch_關于python的卷積函數總結（一） 結果如下：
python interpreter 中沒有torch_關于python的卷積函數總結（一） 對于cupy資料，同樣的接口
python interpreter 中沒有torch_關于python的卷積函數總結（一） 結果如下：
python interpreter 中沒有torch_關于python的卷積函數總結（一） 3）使用scipy.signal自帶的卷積函數
python interpreter 中沒有torch_關于python的卷積函數總結（一） 結果如下：
python interpreter 中沒有torch_關于python的卷積函數總結（一） 可以得到結果，但是有warning,我們來看下：
FutureWarning: Using a non-tuple sequence for multidimensional indexing is deprecated; use `arr[tuple(seq)]` instead of `arr[seq]`. In the future this will be interpreted as an array index, `arr[np.array(seq)]`, which will result either in an error or a different result. return x[reverse].conj()
不建議使用非元組序列進行多元索引 ;使用“arr[tuple(seq)]”而不是“arr[seq]”。在未來這将被解釋為一個數組索引，' arr[np.array(seq)] '，這将導緻一個錯誤或一個不同的結果。
而在使用fft的時候卻沒有問題
python interpreter 中沒有torch_關于python的卷積函數總結（一） 結果如下：
python interpreter 中沒有torch_關于python的卷積函數總結（一） 3 轉化為torch
torch要求權重至少是三維，否則報錯
python interpreter 中沒有torch_關于python的卷積函數總結（一） torch不支援浮點數計算
python interpreter 中沒有torch_關于python的卷積函數總結（一） python interpreter 中沒有torch_關于python的卷積函數總結（一） 結果如下
python interpreter 中沒有torch_關于python的卷積函數總結（一） 1）使用torch.nn.functional的一維卷積conv1d
python interpreter 中沒有torch_關于python的卷積函數總結（一） 由于卷積的長度要确定padding,是以padding确定如下：
python interpreter 中沒有torch_關于python的卷積函數總結（一） 卷積如下
python interpreter 中沒有torch_關于python的卷積函數總結（一） 結果如下：
python interpreter 中沒有torch_關于python的卷積函數總結（一） 我們可以看到結果與之前的不同，因為torch中的濾波器不會自動翻轉，是以需要手工翻轉
python interpreter 中沒有torch_關于python的卷積函數總結（一） python interpreter 中沒有torch_關于python的卷積函數總結（一） 反轉之後
python interpreter 中沒有torch_關于python的卷積函數總結（一） 結果如下：
python interpreter 中沒有torch_關于python的卷積函數總結（一） 我們看到和之前的結果一樣
也可以讓輸入矩陣翻轉在交換輸入矩陣和濾波器的位置：
python interpreter 中沒有torch_關于python的卷積函數總結（一） 結果如下：
python interpreter 中沒有torch_關于python的卷積函數總結（一） 2）使用torch.nn的一維卷積Conv1d
python interpreter 中沒有torch_關于python的卷積函數總結（一） python interpreter 中沒有torch_關于python的卷積函數總結（一） 結果如下：
python interpreter 中沒有torch_關于python的卷積函數總結（一） 
