java写卷积神经网络---卷积神经网络（CupCnn）的数据结构

前言

我在写CupCnn的时候，一个困扰我很久的问题，就是如何组织卷积神经网络的数据结构。尤其是卷积层和全连接层之间的衔接问题。卷积层至少需要四维的数据结构（batch+channel+height+width）,而全连接层则只需一个二维的数据即可（batch+数据）。
CupCnn是我用java实现的一个卷积神经网络，它的源码可以从github下载：
点击下载CupCnn

卷积神经网络模型

这张图片是一个很典型的卷积神经网络模型，在CupCnn中识别手写数字的例子中使用的模型和它非常类似。从图中可以看出，卷积层和全连接层有很大的不同，全连接层用一维数组就可以表示（加上batch就是二维），而卷积层的数据则至少需要一个三维的数据结构（加上batch就是四维，batch是指训练的时候，一次送入神经网络的图片的数量。）。同一个神经网络，使用统一的数据接口会使编程更加容易，因此，我们必须使用统一的四维模型来装载一切的数据。

在CupCnn中，这个数据接口叫Blob,它的实现如下：

public class Blob implements Serializable{
   
    /**
     * 
     */
    private static final long serialVersionUID = 1L;
    private double[] data;
    private int numbers;
    private int channels;
    private int width;
    private int height;
    private int id;

    public Blob(int numbers,int channels,int height,int width){
        this.numbers = n