【深度学习】Python实现CNN操作（附代码）

>参考： https://zhuanlan.zhihu.com/p/102119808 （可以直接看这个）

0 动机

通过普通的神经网络可以实现，但是现在图片越来越大，如果通过 NN 来实现，训练的参数太多。例如 224 x 224 x 3 = 150,528，隐藏层设置为 1024 就需要训练参数 150,528 x 1024 = 1.5 亿 个，这还是第一层，因此会导致我们的网络很庞大。

另一个问题就是特征位置在不同的图片中会发生变化。例如小猫的脸在不同图片中可能位于左上角或者右下角，因此小猫的脸不会激活同一个神经元。

CNN相较于全连接能够实现参数的共享。当使用一个具有9个卷积核、大小为5*5、步长为1的滤波器对一个大小为224 x 224 x 3 的图片进行卷积时，其参数量大小：(5 x 5+1) x 9 x 3 = 702
注： 不同通道之间的参数不共享。

1. Conv

• Conv的原理示意图：
  

• 代码：

  class Conv3x3:
      # 卷积层使用3*3的filter.
      def __init__(self, num_filters):
          self.num_filters = num_filters
          self.filters = np.random.randn(num_filters, 3, 3) / 9       # 除以9是为了减小初始值的方差
          
      def iterate_regions(self, image):
          h, w = image.shape
          
          for i in range(h - 2):                                   # (h-2)/(w-2)是滤波以单位为1的步长，所需要移动的步数
              for j in range(w - 2):
                  im_region = image[i:(i + 3), j:(j + 3)]          # （i+3） 3*3的filter所移动的区域
                  yield im_region, i, j
                  
      def forward(self, input):
          # 28x28
          self.last_input = input
          
          h, w = input.shape
          output = np.zeros((h - 2, w - 2, self.num_filters))      # 创建一个（h-2）*（w-2）的零矩阵用于填充每次滤波后的值
          
          for im_region, i, j in self.iterate_regions(input):
              output[i, j] = np.sum(im_region * self.filters, axis=(1, 2))
              
          return output                                            # 4*4的矩阵经过3*3的filter后得到一个2*2的矩阵
      
      def backprop(self, d_L_d_out, learn_rate):
          # d_L_d_out: the loss gradient for this layer's outputs
          # learn_rate: a float
          d_L_d_filters = np.zeros(self.filters.shape)
          
          for im_region, i, j in self.iterate_regions(self.last_input):
              for f in range(self.num_filters):
                  # d_L_d_filters[f]: 3x3 matrix
                  # d_L_d_out[i, j, f]: num
                  # im_region: 3x3 matrix in image
                  d_L_d_filters[f] += d_L_d_out[i, j, f] * im_region
                  
          # Update filters
          self.filters -= learn_rate * d_L_d_filters
          
          # We aren't returning anything here since we use Conv3x3 as
          # the first layer in our CNN. Otherwise, we'd need to return
          # the loss gradient for this layer's inputs, just like every
          # other layer in our CNN.
          return None
  

2. MaxPool

• MaxPool的原理示意图：
  

• 代码：

  class MaxPool2:
      # A Max Pooling layer using a pool size of 2.
  
      def iterate_regions(self, image):
          '''
          Generates non-overlapping 2x2 image regions to pool over.
          - image is a 2d numpy array
          '''
          # image: 3d matix of conv layer
          
          h, w, _ = image.shape
          new_h = h // 2
          new_w = w // 2
  
          for i in range(new_h):
              for j in range(new_w):
                  im_region = image