《动手学习深度学习》之三：1.卷积神经网络（CNN）基础（打卡2.4）

卷积神经网络（CNN）

1.卷积神经网络基础

1.1.基础概念

1.1.1.卷积层
1.1.2.填充、步幅、输入通道、输出通道的含义
1.1.3.池化层
1.1.4.二维互相关运算
二维互相关（cross-correlation）运算的输入是一个二维输入数组和一个二维核（kernel）数组，输出也是一个二维数组，其中核数组通常称为卷积核或过滤器（filter）。

import torch 
import torch.nn as nn

def corr2d(X, K):
    H, W = X.shape
    h, w = K.shape
    Y = torch.zeros(H - h + 1, W - w + 1)
    for i in range(Y.shape[0]):
        for j in range(Y.shape[1]):
            Y[i, j] = (X[i: i + h, j: j + w] * K).sum()
    return Y

构造上图中的输入数组X、核数组K来验证二维互相关运算的输出。

X = torch.tensor([[0, 1, 2], [3, 4, 5], [6, 7, 8]]