本专业使用了大量的卷积运算，最近学习python，python里面的库比较多，不同的库中有不同的运算，现在将一维的总结如下，之后累计可能更新。
2010年1月16
对比的函数如下：
---------------------------------------------------------------------
numpy库： numpy.convolve
---------------------------------------------------------------------
scipy库：scipy.signal.convolve、scipy.signal.fftconvolve、scipy.ndimage.convolve、
---------------------------------------------------------------------
cupy库：cupyx.scipy.ndimage.convolve
---------------------------------------------------------------------
torch库：torch.nn.conv1d、torch.nn.functional.conv1d
一维卷积测试：
1、为了对比方便，分别将他们重新命名
python interpreter 中没有torch_关于python的卷积函数总结（一） 2、输入整型数组
输入整型的原因是：对于所有的卷积操作，浮点型都可以使用，但是整型不一定，我们后续可以看到，所以使用整型来进行测试
python interpreter 中没有torch_关于python的卷积函数总结（一） 结果如下：
python interpreter 中没有torch_关于python的卷积函数总结（一） 3、各种函数开始探索
1 一维数组
1）使用numpy自带的卷积函数
结果如下：
python interpreter 中没有torch_关于python的卷积函数总结（一） 2）使用scipy.ndimage自带的卷积函数
python interpreter 中没有torch_关于python的卷积函数总结（一） python interpreter 中没有torch_关于python的卷积函数总结（一） python interpreter 中没有torch_关于python的卷积函数总结（一） 结果如下：
python interpreter 中没有torch_关于python的卷积函数总结（一） 对于cupy数据，同样的接口
python interpreter 中没有torch_关于python的卷积函数总结（一） 结果如下：
python interpreter 中没有torch_关于python的卷积函数总结（一） 3）使用scipy.signal自带的卷积函数
python interpreter 中没有torch_关于python的卷积函数总结（一） python interpreter 中没有torch_关于python的卷积函数总结（一） python interpreter 中没有torch_关于python的卷积函数总结（一） 结果如下：
python interpreter 中没有torch_关于python的卷积函数总结（一） 可以看到fft返回值是浮点数
2 三维数组
转化为三维数组，查看运算
python interpreter 中没有torch_关于python的卷积函数总结（一） 1）使用numpy自带的卷积函数
不执行
python interpreter 中没有torch_关于python的卷积函数总结（一） 也就是说numpy.convolve函数，输入必须是一维数组
2）使用scipy.ndimage自带的卷积函数
python interpreter 中没有torch_关于python的卷积函数总结（一） 结果如下：
python interpreter 中没有torch_关于python的卷积函数总结（一） 对于cupy数据，同样的接口
python interpreter 中没有torch_关于python的卷积函数总结（一） 结果如下：
python interpreter 中没有torch_关于python的卷积函数总结（一） 3）使用scipy.signal自带的卷积函数
python interpreter 中没有torch_关于python的卷积函数总结（一） 结果如下：
python interpreter 中没有torch_关于python的卷积函数总结（一） 可以得到结果，但是有warning,我们来看下：
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()
不建议使用非元组序列进行多维索引 ;使用“arr[tuple(seq)]”而不是“arr[seq]”。在未来这将被解释为一个数组索引，' arr[np.array(seq)] '，这将导致一个错误或一个不同的结果。
而在使用fft的时候却没有问题
python interpreter 中没有torch_关于python的卷积函数总结（一） 结果如下：
python interpreter 中没有torch_关于python的卷积函数总结（一） 3 转化为torch
torch要求权重至少是三维，否则报错
python interpreter 中没有torch_关于python的卷积函数总结（一） torch不支持浮点数计算
python interpreter 中没有torch_关于python的卷积函数总结（一） python interpreter 中没有torch_关于python的卷积函数总结（一） 结果如下
python interpreter 中没有torch_关于python的卷积函数总结（一） 1）使用torch.nn.functional的一维卷积conv1d
python interpreter 中没有torch_关于python的卷积函数总结（一） 由于卷积的长度要确定padding,所以padding确定如下：
python interpreter 中没有torch_关于python的卷积函数总结（一） 卷积如下
python interpreter 中没有torch_关于python的卷积函数总结（一） 结果如下：
python interpreter 中没有torch_关于python的卷积函数总结（一） 我们可以看到结果与之前的不同，因为torch中的滤波器不会自动翻转，所以需要手工翻转
python interpreter 中没有torch_关于python的卷积函数总结（一） python interpreter 中没有torch_关于python的卷积函数总结（一） 反转之后
python interpreter 中没有torch_关于python的卷积函数总结（一） 结果如下：
python interpreter 中没有torch_关于python的卷积函数总结（一） 我们看到和之前的结果一样
也可以让输入矩阵翻转在交换输入矩阵和滤波器的位置：
python interpreter 中没有torch_关于python的卷积函数总结（一） 结果如下：
python interpreter 中没有torch_关于python的卷积函数总结（一） 2）使用torch.nn的一维卷积Conv1d
python interpreter 中没有torch_关于python的卷积函数总结（一） python interpreter 中没有torch_关于python的卷积函数总结（一） 结果如下：
python interpreter 中没有torch_关于python的卷积函数总结（一） 
