卷积层的实现(im2col)

 

class Convolution:
    def __init__(self, W, b, stride=1, pad=0):
        self.W = W. #W二维大小的滤波器
        self.b = b  #b二维大小的偏置
        self.stride = stride
        self.pad = pad

    def forward(self, x):
        FN, C, FH, FW = self.W.shape
        N, C, H, W = x.shape
        out_h = int(1 + (H + 2*self.pad - FH) / self.stride)  #计算出来输出的二维大小
        out_w = int(1 + (W + 2*self.pad - FW) / self.stride)

        col = im2col(x, FH, FW, self.stride, self.pad)  #输入数据的横向展开
        col_W = self.W.reshape(FN, -1).T # 滤波器的展开，FN行，-1模糊控制列数，(10, 3, 5, 5) 形状的数组，就会转换成 (10, 75) 形状的数组，再将数组行列转置成为（75，10）纵向展开
        out = np.dot(col, col_W) + self.b #进行矩阵乘法求和

        out = out.reshape(N, out_h, out_w, -1).transpose(0, 3, 1, 2)  #模糊C的大小，等到N、out_h、out_w算出来后生成，并且用transpose改变索引位置

        return out