深度学习入门 : 基于Python的理论与实现

  第 7章　卷积神经网络

216

图7-16　 输入数据在宽度方向上只偏离 1 个元素时，输出仍为相同的结果（根据数据的不同，

有时结果也不相同）

1 2

0 1 2

3 0 1

1’

9

6

7

8

17

6

4

4 8

1 2 0 0

0 9 2 23 3

3 0

0

1

1

1

1

2

2

2

2

2

2

0

0

01

1

1

1

1 2

0 1 2

3 0 1

1’

9

6

7

8

’

3

2

17

6

4

4 8

1 2 0

0 9 2 23

3 0

0

1

1

1

1

2

2

2

2

0

0

01

1

3

1

3

2

2

1

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。