在numpy中，如何有效列出所有固定大小的子矩阵？
问题内容：
我有一个任意的NxM矩阵，例如：
1 2 3 4 5 6
7 8 9 0 1 2
3 4 5 6 7 8
9 0 1 2 3 4
我想获得此矩阵中所有3x3子矩阵的列表：
1 2 3 2 3 4 0 1 2
7 8 9 ; 8 9 0 ; ... ; 6 7 8
3 4 5 4 5 6 2 3 4
我可以使用两个嵌套循环来做到这一点：
rows, cols = input_matrix.shape
patches = []
for row in np.arange(0, rows - 3):
for col in np.arange(0, cols - 3):
patches.append(input_matrix[row:row+3, col:col+3])
但是对于大的输入矩阵，这很慢。 有没有办法用numpy更快地做到这一点？
我已经看过了np.split，但是这给了我不重叠的子矩阵，而我想要所有可能的子矩阵，而不管它们是否重叠。
问题答案：
您需要一个窗口视图：
from numpy.lib.stride_tricks import as_strided
arr = np.arange(1, 25).reshape(4, 6) % 10
sub_shape = (3, 3)
view_shape = tuple(np.subtract(arr.shape, sub_shape) + 1) + sub_shape
arr_view = as_strided(arr, view_shape, arr.strides * 2
arr_view = arr_view.reshape((-1,) + sub_shape)
>>> arr_view
array([[[[1, 2, 3],
[7, 8, 9],
[3, 4, 5]],
[[2, 3, 4],
[8, 9, 0],
[4, 5, 6]],
...
[[9, 0, 1],
[5, 6, 7],
[1, 2, 3]],
[[0, 1, 2],
[6, 7, 8],
[2, 3, 4]]]])
这样做的好处在于，您无需复制任何数据，而只是以不同的方式访问原始数组的数据。对于大型阵列，这可以节省大量内存。
