使用numpy构建卷积网络

基础定义
以CV中对图像卷积为例，图像卷积一般都是
输入：四维数组[B,H,W,C_in]
卷积核：四维数组[C_in,K,K,C_out]
输出：四维数组[B,H2,W2,C_out]

B—batchsize输入对图片张数
H,W—输入图片对高和宽
C_in—输入图片对通道数，比如RGB图像就是三通道，C_in=3
K—卷积核对宽/高，通常宽=高
C_out—有多少个卷积核
H2,W2—输出特征图对高核宽
卷积运算，实际上就是点乘

import numpy
l1_filter = numpy.zeros((2,3,3))
print(l1_filter,l1_filter.shape)
#根据滤波器的数量和每个滤波器的大小创建数组。
# 我们有 2 个大小为 3*3 的滤波器，因此数组大小为
# (2=num_filters, 3=num_rows_filter, 3=num_columns_filter)。
# 将滤波器的尺寸选择为没有深度的 2D 数组，
# 因为输入图像是灰度图且深度为 1。
# 如果图像是具有 3 个通道的 RGB，
# 则滤波器大小必须是（3, 3, 3=depth）。