Python手撕实现正向卷积操作

面试的时候让手撕正向卷积，当时懵了一下然后按照卷积的定义磕磕巴巴写了个大概，现在修改整理一下，博主也是深度学习刚入门，有错误的话请指出。
输入：NHWC
kernel：k*k*C_input*C_output
输出:outputs

def conv2d_forward(inputs, kernel):
    outputs = []
    for n in range(C_output): # 遍历每个卷积核
        h = (H-k+2*padding)/strides + 1
        w = (W-k+2*padding)/strides + 1
        output = [[bias]*range(w) for _ in range(h)]
        for c in range(C): # 输入的每个通道做卷积
	        for i in range(h):
	            for j in range(w):
	                output[i][j] += sum(np.multiply(inputs[c][i:k+i][j:k+j],kernel[n][c]))
        outputs.append(output)
    return outputs

时间复杂度：$C\_output(输出卷积核的通道数)\ast C(输入的通道数，也就是卷积核的个数)\ast (h\ast w)(输出特征图的尺寸)\ast k^2(卷积核的尺寸)$

原理可以参考：https://cs231n.github.io/convolutional-networks/