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