第7章——深度学习入门（鱼书）

weixin_42963026

已于 2024-03-20 15:47:38 修改

阅读量928

点赞数 20

文章标签：深度学习人工智能

于 2024-02-07 01:52:31 首次发布

本文链接：https://blog.csdn.net/weixin_42963026/article/details/136064398

版权

第7章卷积神经网络

本章的主题是卷积神经网络（ Convolutional Neural Network ， CNN ）。CNN 被用于图像识别、语音识别等各种场合，在图像识别的比赛中，基于深度学习的方法几乎都以 CNN 为基础。本章将详细介绍 CNN 的结构，并用Python 实现其处理内容。（2024年大年初一更新，初二复习）

7.1 整体结构

首先，来看一下 CNN 的网络结构，了解 CNN 的大致框架。 CNN 和之前介绍的神经网络一样，可以像乐高积木一样通过组装层来构建。不过，CNN 中新出现了卷积层（ Convolution 层）和池化层（ Pooling 层）。卷积层和池化层将在下一节详细介绍，这里我们先看一下如何组装层以构建 CNN 。之前介绍的神经网络中， 相邻层的所有神经元之间都有连接，这称为全连接（fully-connected） 。另外，我们用 Affine 层实现了全连接层。如果使用这个 Affine 层，一个 5 层的全连接的神经网络就可以通过图 7-1 所示的网络结构来实现。

如图 7-1 所示，全连接的神经网络中， Affine 层后面跟着激活函数 ReLU层（或者 Sigmoid 层）。这里堆叠了4层“Affine-ReLU”组合，然后第5层是Affine层，最后由Softmax层输出最终结果（概率）。

那么， CNN 会是什么样的结构呢？图 7-2 是 CNN 的一个例子。

如图 7-2 所示， CNN 中新增了 Convolution 层和 Pooling 层。 CNN 的层的连接顺序是“Convolution - ReLU -（Pooling）”（Pooling层有时会被省略）。这可以理解为之前的 “Affi ne - ReLU”连接被替换成了“Convolution -ReLU -（Pooling） ”连接。

还需要注意的是，在图 7-2 的 CNN 中，靠近输出的层中使用了之前的“ Affine - ReLU ”组合。此外，最后的输出层中使用了之前的“ Affine -Softmax ”组合。这些都是一般的 CNN 中比较常见的结构。

7.2 卷积层

CNN 中出现了一些特有的术语，比如填充、步幅等。此外，各层中传递的数据是有形状的数据（比如， 3 维数据），这与之前的全连接网络不同，因此刚开始学习 CNN 时可能会感到难以理解。本节我们将花点时间，认真学习一下 CNN 中使用的卷积层的结构。

7.2.1　全连接层存在的问题

之前介绍的全连接的神经网络中使用了全连接层（Affine层）。在全连接层中，相邻层的神经元全部连接在一起，输出的数量可以任意决定。 全连接层存在什么问题呢？ 那就是数据的形状被“忽视”了。

比如，输入数据是图像时，图像通常是高、长、通道方向上的 3 维形状。但是，向全连接层输入时，需要将 3 维数据拉平为 1 维数据。实际上，前面提到的使用了 MNIST 数据集的例子中，输入图像就是 1 通道、高 28 像素、长 28 像素的（ 1 , 28 , 28 ）形状，但却被排成 1 列，以 784 个数据的形式输入到最开始的Affine 层。

图像是 3 维形状，这个形状中应该含有重要的空间信息。比如， 空间上邻近的像素为相似的值、RBG的各个通道之间分别有密切的关联性、相距较远的像素之间没有什么关联等 ， 3 维形状中可能隐藏有值得提取的本质模式。但是，因为全连接层会忽视形状，将全部的输入数据作为相同的神经元（同一维度的神经元）处理，所以无法利用与形状相关的信息。

而卷积层可以保持形状不变。当输入数据是图像时，卷积层会以 3 维数据的形式接收输入数据，并同样以 3 维数据的形式输出至下一层。因此，在 CNN 中，可以（有可能）正确理解图像等具有形状的数据。

另外， CNN 中，有时将卷积层的输入输出数据称为特征图（featuremap） 。其中，卷积层的输入数据称为输入特征图（ input feature map ），输出数据称为输出特征图（ output feature map ）。本书中将“输入输出数据”和“特征图”作为含义相同的词使用。

7.2.2　卷积运算

卷积层进行的处理就是卷积运算。卷积运算相当于图像处理中的“滤波器运算”。在介绍卷积运算时，我们来看一个具体的例子（图 7-3 ）。

如图 7-3 所示，卷积运算对输入数据应用滤波器。在这个例子中，输入数据是有高、长、方向的形状的数据，滤波器也一样，有高长方向上的维度。假设用（ height, width ）表示数据和滤波器的形状，则在本例中，输入大小是(4 , 4) ，滤波器大小是 (3 , 3) ，输出大小是 (2 , 2) 。另外，有的文献中也会用“核”这个词来表示这里所说的“滤波器” 。

现在来解释一下图 7-3 的卷积运算的例子中都进行了什么样的计算。图 7-4中展示了卷积运算的计算顺序。

对于输入数据，卷积运算以一定间隔滑动滤波器的窗口并应用。这里所说的窗口是指图 7-4 中灰色的 3 × 3 的部分。如图 7-4 所示，将各个位置上滤波器的元素和输入的对应元素相乘，然后再求和（有时将这个计算称为 乘积累加运算 ）。然后，将这个结果保存到输出的对应位置。将这个过程在所有位置都进行一遍，就可以得到卷积运算的输出。

在全连接的神经网络中，除了权重参数，还存在偏置。 CNN 中，滤波器的参数就对应之前的权重。并且， CNN 中也存在偏置。图 7-3 的卷积运算的例子一直展示到了应用滤波器的阶段。包含偏置的卷积运算的处理流如图7-5 所示。

如图 7-5 所示，向应用了滤波器的数据加上了偏置。偏置通常只有1个（1 × 1）（本例中，相对于应用了滤波器的 4 个数据，偏置只有 1 个），这个值会被加到应用了滤波器的所有元素上。

7.2.3　填充

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 等），这称为 填充（padding） ，是卷积运算中经常会用到的处理。比如，在图 7-6 的例子中，对大小为 (4 , 4) 的输入数据应用了 幅度为1的填充 。“幅度为 1 的填充”是指用幅度为 1 像素的 0 填充周围。

如图 7-6 所示，通过幅度为1的填充，大小为(4, 4)的输入数据变成了(6, 6)的形状。然后，应用大小为 (3 , 3) 的滤波器，生成了大小为 (4 , 4) 的输出数据。这个例子中将填充设成了 1 ，不过填充的值也可以设置成 2 、 3 等任意的整数。在图 7-5的例子中，如果将填充设为 2 ，则输入数据的大小变为 (8 , 8) ；如果将填充设为 3 ，则大小变为 (10 , 10) 。

使用填充主要是为了调整输出的大小 。比如，对大小为 (4, 4) 的输入数据应用 (3, 3) 的滤波器时，输出大小变为 (2, 2) ，相当于输出大小比输入大小缩小了 2个元素。这在反复进行多次卷积运算的深度网络中会成为问题。为什么呢？因为如果每次进行卷积运算都会缩小空间，那么在某个时刻输出大小就有可能变为 1，导致无法再应用卷积运算。为了避免出现这样的情况，就要使用填充。在刚才的例子中，将填充的幅度设为 1，那么相对于输入大小 (4, 4) ，输出大小也保持为原来的 (4, 4) 。因此，卷积运算就可以在保持空间大小不变的情况下将数据传给下一层。

7.2.4　步幅

应用滤波器的位置间隔称为步幅（stride ）。之前的例子中步幅都是 1 ，如果将步幅设为 2 ，则如图 7-7 所示，应用滤波器的窗口的间隔变为 2 个元素。

在图 7-7 的例子中，对输入大小为 (7 , 7) 的数据，以步幅 2 应用了滤波器。通过将步幅设为 2 ，输出大小变为 (3 , 3) 。像这样，步幅可以指定应用滤波器的间隔。

综上，增大步幅后，输出大小会变小。而增大填充后，输出大小会变大。如果将这样的关系写成算式，会如何呢？接下来，我们看一下对于填充和步幅，如何计算输出大小。

这里，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 。此时，输出大小可通过式 (7 . 1) 进行计算。

代码实现如下：

out_h = (H + 2*pad - filter_h)//stride + 1
out_w = (W + 2*pad - filter_w)//stride + 1

现在，我们使用这个算式，试着做几个计算。

例 3

输入大小： (28, 31) ；填充： 2 ；步幅： 3 ；滤波器大小： (5, 5)

7.2.5　3维数据的卷积运算

之前的卷积运算的例子都是以有高、长方向的 2 维形状为对象的。但是，图像是3维数据，除了高、长方向之外，还需要处理通道方向。这里，我们按照与之前相同的顺序，看一下对加上了通道方向的 3 维数据进行卷积运算的例子。图 7-8 是卷积运算的例子，图 7-9 是计算顺序。这里以 3 通道的数据为例，展示了卷积运算的结果。和 2 维数据时（图 7-3 的例子）相比，可以发现纵深方向（通道方向）上特征图增加了。通道方向上有多个特征图时，会按通道进行输入数据和滤波器的卷积运算，并将结果相加，从而得到输出。

需要注意的是，在 3 维数据的卷积运算中，输入数据和滤波器的通道数要设为相同的值。在这个例子中，输入数据和滤波器的通道数一致，均为 3 。滤波器大小可以设定为任意值（不过，每个通道的滤波器大小要全部相同）。这个例子中滤波器大小为 (3 , 3) ，但也可以设定为 (2 , 2) 、 (1 , 1) 、 (5 , 5) 等任意值。再强调一下，通道数只能设定为和输入数据的通道数相同的值（本例中为 3 ）。

7.2.6　结合方块思考

将数据和滤波器结合长方体的方块来考虑， 3 维数据的卷积运算会很容易理解。方块是如图 7-10 所示的 3 维长方体。把 3 维数据表示为多维数组时，书写顺序为（ channel , height , width ）。比如，通道数为 C 、高度为 H 、长度为 W 的数据的形状可以写成（ C , H , W ）。滤波器也一样，要按（ channel ,height , width ）的顺序书写。比如，通道数为 C 、滤波器高度为 FH （ Filter Height ）、长度为 FW （ Filter Width ）时，可以写成（ C , FH , FW ）

在这个例子中，数据输出是 1 张特征图。所谓 1 张特征图，换句话说，就是通道数为 1的特征图。那么，如果要在通道方向上也拥有多个卷积运算的输出，该怎么做呢？为此，就需要用到多个滤波器（权重）。用图表示的话，如图 7-11 所示。

图7-11中，通过应用FN个滤波器，输出特征图也生成了FN个。

如果将这 FN 个特征图汇集在一起，就得到了形状为 ( FN, OH, OW ) 的方块。将这个方块传给下一层，就是 CNN 的处理流。如图 7-11 所示，关于卷积运算的滤波器，也必须考虑滤波器的数量。因此，作为 4 维数据，滤波器的权重数据要按 (output _ channel , input _channel , height , width) 的顺序书写。比如，通道数为 3 、大小为 5 × 5 的滤波器有 20 个时，可以写成 (20 , 3 , 5 , 5) 。

卷积运算中（和全连接层一样）存在偏置。

在图 7-11 的例子中，如果进一步追加偏置的加法运算处理，则结果如下面的图 7-12 所示。图 7-12 中，每个通道只有一个偏置。这里，偏置的形状是 ( FN, 1 , 1) ，滤波器的输出结果的形状是 ( FN, OH, OW ) 。这两个方块相加时，要对滤波器的输出结果 ( FN, OH, OW ) 按通道加上相同的偏置值。另外，不同形状的方块相加时，可以基于 NumPy 的广播功能轻松实现（ 1 . 5 . 5 节）。

7.2.7　批处理

神经网络的处理中进行了将输入数据打包的批处理。之前的全连接神经网络的实现也对应了批处理，通过批处理，能够实现处理的高效化和学习时对mini-batch的对应。

我们希望卷积运算也同样对应批处理。为此，需要将在各层间传递的数据保存为 4 维数据。具体地讲，就是按 (batch_num, channel, height, width) 的顺序保存数据。比如，将图 7-12 中的处理改成对 N 个数据进行批处理时，数据的形状如图 7-13 所示。

图 7-13 的批处理版的数据流中，在各个数据的开头添加了批用的维度。像这样，数据作为 4 维的形状在各层间传递。这里需要注意的是，网络间传递的是 4 维数据，对这 N 个数据进行了卷积运算。也就是说，批处理将 N 次的处理汇总成了 1 次进行。

7.3 池化层

池化是缩小高、长方向上的空间的运算。比如，如图 7-14 所示，进行将2 × 2 的区域集约成 1 个元素的处理，缩小空间大小。

图 7-14 的例子是按步幅 2 进行 2 × 2 的 Max 池化时的处理顺序。“ Max池化 ”是获取最大值的运算，“ 2 × 2 ”表示目标区域的大小。如图所示，从2 × 2 的区域中取出最大的元素。此外，这个例子中将步幅设为了 2 ，所以2 × 2 的窗口的移动间隔为 2 个元素。另外，一般来说，池化的窗口大小会和步幅设定成相同的值。比如， 3 × 3 的窗口的步幅会设为 3 ， 4 × 4 的窗口的步幅会设为 4 等。

除了Max池化之外，还有 Average池化 等。相对于Max池化是从目标区域中取出最大值，Average池化则是计算目标区域的平均值。在图像识别领域，主要使用Max池化。因此，本书中说到“池化层”时，指的是Max池化。

池化层的特征

没有要学习的参数： 池化层和卷积层不同，没有要学习的参数。池化只是从目标区域中取最

大值（或者平均值），所以不存在要学习的参数。

通道数不发生变化： 经过池化运算，输入数据和输出数据的通道数不会发生变化。如图 7-15

所示，计算是按通道独立进行的。

对微小的位置变化具有鲁棒性（健壮）： 输入数据发生微小偏差时，池化仍会返回相同的结果。因此，池化对输入数据的微小偏差具有鲁棒性。比如， 3 × 3 的池化的情况下，如图7-16 所示，池化会吸收输入数据的偏差（根据数据的不同，结果有可能不一致）。

7.4 卷积层和池化层的实现

前面我们详细介绍了卷积层和池化层，本节我们就用 Python 来实现这两个层。和第 5 章一样，也给进行实现的类赋予 forward 和 backward 方法，并使其可以作为模块使用。

大家可能会感觉卷积层和池化层的实现很复杂，但实际上，通过使用某种技巧，就可以很轻松地实现。本节将介绍这种技巧，将问题简化，然后再进行卷积层的实现。

7.4.1　4维数组

如前所述， CNN 中各层间传递的数据是 4 维数据。所谓 4 维数据，比如数据的形状是 (10, 1, 28, 28) ，则它对应 10 个高为 28 、长为 28 、通道为 1 的数据。用 Python 来实现的话，如下所示。

>>> x = np.random.rand(10, 1, 28, 28) # 随机生成数据

>>> x.shape

(10, 1, 28, 28)

这里，如果要访问第 1 个数据，只要写 x[0] 就可以了（注意 Python 的索引是从 0 开始的）。同样地，用 x[1] 可以访问第 2 个数据。

>>> x[0].shape # (1, 28, 28)

>>> x[1].shape # (1, 28, 28)

如果要访问第 1 个数据的第 1 个通道的空间数据，可以写成下面这样。

>>> x[0, 0] # 或者 x[0][0]

像这样， CNN 中处理的是 4 维数据，因此卷积运算的实现看上去会很复杂，但是通过使用下面要介绍的 im2col 这个技巧，问题就会变得很简单。

7.4.2　基于 im2col的展开

如果老老实实地实现卷积运算，估计要重复好几层的 for 语句。这样的实现有点麻烦，而且， NumPy中存在使用for语句后处理变慢的缺点（ NumPy中，访问元素时最好不要用 for 语句）。这里，我们不使用 for 语句，而是使用 im2col 这个便利的函数进行简单的实现。

im2col是一个函数，将输入数据展开以适合滤波器（权重）。如图 7-17 所示，对 3 维的输入数据应用 im2col 后，数据转换为 2 维矩阵（正确地讲，是把包含批数量的 4 维数据转换成了 2 维数据）。

im2col 会把输入数据展开以适合滤波器（权重）。具体地说，如图 7-18 所示， 对于输入数据，将应用滤波器的区域（3维方块）横向展开为1列 。 im2col 会在所有应用滤波器的地方进行这个展开处理。

在图 7-18 中，为了便于观察，将步幅设置得很大，以使滤波器的应用区域不重叠。而在实际的卷积运算中，滤波器的应用区域几乎都是重叠的。在滤波器的应用区域重叠的情况下，使用 im2col 展开后，展开后的元素个数会多于原方块的元素个数。因此，使用 im2col 的实现存在比普通的实现消耗更多内存的缺点。但是，汇总成一个大的矩阵进行计算，对计算机的计算颇有益处。比如，在矩阵计算的库（线性代数库）等中，矩阵计算的实现已被高度最优化，可以高速地进行大矩阵的乘法运算。因此，通过归结到矩阵计算上，可以有效地利用线性代数库。

im2col这个名称是“image to column”的缩写，翻译过来就是“ 从图像到矩阵 ”的意思。Caffe、hainer 等深度学习框架中有名为im2col 的函数，并且在卷积层的实现中，都使用了 im2col 。

使用 im2col 展开输入数据后，之后就只需将卷积层的滤波器（权重）纵向展开为 1 列，并计算 2 个矩阵的乘积即可（参照图 7-19 ）。这和全连接层的Affine 层进行的处理基本相同。

如图 7-19 所示，基于 im2col 方式的输出结果是 2 维矩阵。因为 CNN 中数据会保存为 4 维数组，所以要将 2 维输出数据转换为合适的形状。以上就是卷积层的实现流程。

7.4.3　卷积层的实现

本书提供了 im2col 函数，并将这个 im2col 函数作为黑盒（不关心内部实现）使用。 im2col 的实现内容在 common/util.py 中，它的实现（实质上）是一个 10行左右的简单函数。有兴趣的读者可以参考。

im2col 这一便捷函数具有以下接口。

im2col (input_data, filter_h, filter_w, stride=1, pad=0)

• input_data ― 由（数据量，通道，高，长）的 4 维数组构成的输入数据

• filter_h ― 滤波器的高

• filter_w ― 滤波器的长

• stride ― 步幅

• pad―填充

im2col会考虑滤波器大小、步幅、填充，将输入数据展开为2维数组。 现在，我们来实际使用一下这个 im2col 。

import sys, os
import numpy as np

def im2col(input_data, filter_h, filter_w, stride=1, pad=0):
    """
    Parameters
    ----------
    input_data : 由(数据量, 通道, 高, 长)的4维数组构成的输入数据
    filter_h : 滤波器的高
    filter_w : 滤波器的长
    stride : 步幅
    pad : 填充

    Returns
    -------
    col : 2维数组
    """
    N, C, H, W = input_data.shape
    out_h = (H + 2*pad - filter_h)//stride + 1
    out_w = (W + 2*pad - filter_w)//stride + 1

    img = np.pad(input_data, [(0,0), (0,0), (pad, pad), (pad, pad)], 'constant')
    col = np.zeros((N, C, filter_h, filter_w, out_h, out_w))

    for y in range(filter_h):
        y_max = y + stride*out_h
        for x in range(filter_w):
            x_max = x + stride*out_w
            col[:, :, y, x, :, :] = img[:, :, y:y_max:stride, x:x_max:stride]

    col = col.transpose(0, 4, 5, 1, 2, 3).reshape(N*out_h*out_w, -1)
    return col

x1 = np.random.rand(1, 3, 7, 7)
col1 = im2col(x1, 5, 5, stride=1, pad=0)
print(col1.shape) # (9, 75)
x2 = np.random.rand(10, 3, 7, 7) # 10个数据
col2 = im2col(x2, 5, 5, stride=1, pad=0)
print(col2.shape) # (90, 75)

这里举了两个例子。

第一个是批大小为 1 、通道为 3 的 7 × 7的数据（ x1 = np.random.rand(1, 3, 7, 7) ），第二个的批大小为10（ x1 = np.random.rand(10, 3, 7, 7) ），数据形状和第一个相同。分别对其应用im2col 函数，在这两种情形下，第 2 维的元素个数均为 75 。这是滤波器（通道为 3 、大小为5 × 5 ）的元素个数的总和。批大小为 1 时， im2col 的结果是 (9, 75) 。

而第 2个例子中批大小为 10 ，所以保存了 10 倍的数据，即 (90, 75) 。现在使用 im2col 来实现卷积层。这里我们将卷积层实现为名为 Convolution的类。

class Convolution:
    def __init__(self, W, b, stride=1, pad=0):

        self.W = W
        self.b = b
        self.stride = stride
        self.pad = pad

    def forward(self, x):

        FN, C, FH, FW = self.W.shape
        N, C, H, W = x.shape
        out_h = int(1 + (H + 2 * self.pad - FH) / self.stride)
        out_w = int(1 + (W + 2 * self.pad - FW) / self.stride)
        col = im2col(x, FH, FW, self.stride, self.pad)
        col_W = self.W.reshape(FN, -1).T  # 滤波器的展开
        out = np.dot(col, col_W) + self.b
        out = out.reshape(N, out_h, out_w, -1).transpose(0, 3, 1, 2)
        return out

卷积层的初始化方法将滤波器（权重）、偏置、步幅、填充作为参数接收。滤波器是 (FN, C, FH, FW)的 4 维形状。另外， FN 、 C 、 FH 、 FW 分别是 FilterNumber （滤波器数量）、 Channel 、 Filter Height 、 Filter Width 的缩写。这里用粗体字表示 Convolution 层的实现中的重要部分。在这些粗体字部分，用 im2col 展开输入数据，并用reshape将滤波器展开为2维数组。然后，计算展开后的矩阵的乘积。

展开滤波器的部分（代码段中的粗体字）如图 7-19 所示，将各个滤波器的方块纵向展开为 1 列。这里通过 reshape(FN,-1) 将参数指定为 -1 ，这是reshape 的一个便利的功能。通过在 reshape 时指定为 -1 ， reshape 函数会自动计算 -1 维度上的元素个数，以使多维数组的元素个数前后一致。比如，

(10 , 3 , 5 , 5) 形状的数组的元素个数共有 750 个，指定 reshape(10,-1) 后，就会转换成 (10 , 75) 形状的数组。

forward 的实现中，最后会将输出大小转换为合适的形状。转换时使用了NumPy 的 transpose 函数。 transpose 会更改多维数组的轴的顺序。如图 7-20所示，通过指定从 0 开始的索引（编号）序列，就可以更改轴的顺序。

以上就是卷积层的 forward 处理的实现。通过使用 im2col 进行展开，基本上可以像实现全连接层的 Affine 层一样来实现（ 5 . 6 节）。接下来是卷积层的反向传播的实现，因为和 Affine 层的实现有很多共通的地方，所以就不再介绍了。但有一点需要注意，在进行卷积层的反向传播时，必须进行 im2col的逆处理。这可以使用本书提供的 col2im 函数（ col2im 的实现在common/util. py 中）来进行。除了使用 col2im 这一点，卷积层的反向传播和 Affi ne 层的实现方式都一样。卷积层的反向传播的实现在 common/layer.py 中，有兴趣的读者可以参考。

def col2im(col, input_shape, filter_h, filter_w, stride=1, pad=0):
    """

    Parameters
    ----------
    col :
    input_shape : 输入数据的形状（例：(10, 1, 28, 28)）
    filter_h :
    filter_w
    stride
    pad

    Returns
    -------

    """
    N, C, H, W = input_shape
    out_h = (H + 2*pad - filter_h)//stride + 1
    out_w = (W + 2*pad - filter_w)//stride + 1
    col = col.reshape(N, out_h, out_w, C, filter_h, filter_w).transpose(0, 3, 4, 5, 1, 2)

    img = np.zeros((N, C, H + 2*pad + stride - 1, W + 2*pad + stride - 1))
    for y in range(filter_h):
        y_max = y + stride*out_h
        for x in range(filter_w):
            x_max = x + stride*out_w
            img[:, :, y:y_max:stride, x:x_max:stride] += col[:, :, y, x, :, :]

    return img[:, :, pad:H + pad, pad:W + pad]

7.4.4　池化层的实现

池化层的实现和卷积层相同，都使用im2col展开输入数据。 不过，池化的情况下，在通道方向上是独立的，这一点和卷积层不同。具体地讲，如图7-21 所示，池化的应用区域按通道单独展开。

上面就是池化层的 forward 处理的实现流程。下面来看一下 Python的实现示例。

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
 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)
     # 展开(1)
     col = im2col(x, self.pool_h, self.pool_w, self.stride, self.pad)
     col = col.reshape(-1, self.pool_h*self.pool_w)
     # 最大值(2)
     out = np.max(col, axis=1)
     # 转换(3)
     out = out.reshape(N, out_h, out_w, C).transpose(0, 3, 1, 2)
     return out

如图 7-22 所示，池化层的实现按下面 3 个阶段进行。

1. 展开输入数据。

col = im2col(x, self.pool_h, self.pool_w, self.stride, self.pad)

col = col.reshape(-1, self.pool_h*self.pool_w)

2.求各行的最大值。out = np.max(col, axis=1)

3.转换为合适的输出大小。out = out.reshape(N, out_h, out_w, C).transpose(0, 3, 1, 2)

最大值的计算可以使用 NumPy 的 np.max方法。np.max可以指定 axis参数，并在这个参数指定的各个轴方向上求最大值。 比如，如果写成 np.max(x, axis=1) ，就可以在输入 x的第1维的各个轴方向上求最大值。