深度学习入门（3）

1.卷积层（Convolutional）
1） 填充(padding)
在进行卷积层的处理之前，有时要向输入数据的周围填入固定的数据（比如0），这称为填充。
使用填充主要是为了调整输出的大小。

2）步幅
应用滤波器(filter)的位置间隔称为步幅(stride)。
输出大小的计算：
假设输入大小为（H,W）,滤波器大小为（FH,FW),输出大小为（OH,OW），填充为P,步幅为S(横纵轴都为S),则：

OH = (H+2P-FH)/S +1 
OW = (W+2P-FW)/S +1

tensorflow中：

padding = valid

OH = (H-FH)/S +1
OW = (W-FW)/S +1

padding = same

OH = H/S
OW = W/S

具体是怎么加padding的呢？

pad_H = max((OH-1)*S + FH - H ,0)
pad_W = max((OW-1)*S + FW - W ,0)

pad_top = pad_H/2
pad_bottom = pad_H - pad_top

pad_left = pad_W/2
pad_right = pad_W - pad_left

3）三维卷积运算
滤波器的通道数只能设定为和输入数据的通道数相同的值。
(C,H,W) * (C,FH,FW) ----> (1,OH,OW)
输入数据 卷积运算 过滤器 输出数据

N个卷积核（过滤器）
(C,H,W) * (FN,C,FH,FW) ----> (FN,OH,OW) + (FN,1,1) ----> (FN,OH,OW)
输入数据 卷积运算 过滤器 偏置 输出数据
批处理
(N,C,H,W) * (FN,C,FH,FW) ----> (N,FN,OH,OW) + (FN,1,1) ----> (N,FN,OH,OW)
输入数据 卷积运算 过滤器 偏置 输出数据

实现：

class Convolution:
    def __init__(self, W, b, stride=1, pad=0):
        self.W = W
        self.b = b
        self.stride = stride
        self.pad = pad
        self.x = None   
        self.col = None
        self.col_W = None
        self.dW = None
        self.db = None

    def forward(self, x):
        FN, C, FH, FW = self.W.shape
        N, C, H, W = x.shape
        out_h = 1 + int((H + 2*self.pad - FH) / self.stride)
        out_w = 1 + int((W + 2*self.pad - FW) / self.stride)

        col = im2col(x, FH, FW, self.stride, self.pad)
        col_W = self.W.reshape(FN, -1).T

        out = np.dot(col, col_W) + self.b
        out = out.reshape(N, out_h, out_w, -1).transpose(0, 3, 1, 2)

        self.x = x
        self.col = col
        self.col_W = col_W

        return out

    def backward(self, dout):
        FN, C, FH, FW = self.W.shape
        dout = dout.transpose(0,2,3,1).reshape(-1, FN)

        self.db = np.sum(dout, axis=0)
        self.dW = np.dot(self.col.T, dout)
        self.dW = self.dW.transpose(1, 0).reshape(FN, C, FH, FW)

        dcol = np.dot(dout, self.col_W.T)
        dx = col2im(dcol, self.x.shape, FH, FW, self.stride, self.pad)

        return dx

2.池化层（Pooling）
特征：

1） 没有要学习的参数
2） 通道数不发生变化
3） 对微小的位置变化具有鲁棒性

实现：

class Pooling:
    def __init__(self, pool_h, pool_w, stride=1, pad=0):
        self.pool_h = pool_h
        self.pool_w = pool_w
        self.stride = stride
        self.pad = pad
        
        self.x = None
        self.arg_max = None

    def forward(self, x):
        N, C, H, W = x.shape
        out_h = int(1 + (H - self.pool_h) / self.stride)
        out_w = int(1 + (W - self.pool_w) / self.stride)

        col = im2col(x, self.pool_h, self.pool_w, self.stride, self.pad)
        col = col.reshape(-1, self.pool_h*self.pool_w)

        arg_max = np.argmax(col, axis=1)
        out = np.max(col, axis=1)
        out = out.reshape(N, out_h, out_w, C).transpose(0, 3, 1, 2)

        self.x = x
        self.arg_max = arg_max

        return out

    def backward(self, dout):
        dout = dout.transpose(0, 2, 3, 1)
        
        pool_size = self.pool_h * self.pool_w
        dmax = np.zeros((dout.size, pool_size))
        dmax[np.arange(self.arg_max.size), self.arg_max.flatten()] = dout.flatten()
        dmax = dmax.reshape(dout.shape + (pool_size,)) 
        
        dcol = dmax.reshape(dmax.shape[0] * dmax.shape[1] * dmax.shape[2], -1)
        dx = col2im(dcol, self.x.shape, self.pool_h, self.pool_w, self.stride, self.pad)
        
        return dx

3.具有代表性的CNN
Lenet,AlexNet