Python和PyTorch对比实现卷积convolution函数及反向传播

最新推荐文章于 2025-07-09 10:26:42 发布

原创

最新推荐文章于 2025-07-09 10:26:42 发布 · 2.5k 阅读

3 ·

CC 4.0 BY-SA版权

本文对比介绍了如何使用纯Python和PyTorch来实现卷积函数及其对应的反向传播过程，提供了详细的代码实现，并引用了相关资源进行深入理解。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

摘要

本文使用纯 Python 和 PyTorch 对比实现 convolution 函数及其反向传播.

正文

import torch
import numpy as np


class Conv2d:
    def __init__(self, stride=1):
        self.weight = None
        self.bias = None

        self.stride = stride

        self.x = None
        self.dw = None
        self.db = None

        self.input_height = None
        self.input_width = None
        self.weight_height = None
        self.weight_width = None
        self.output_height = None
        self.output_width = None

    def __call__(self, x):
        self.x = x
        self.input_height = np.shape(x)[0]
        self.input_width = np.shape(x)[1]
        self.weight_height = np.shape(self.weight)[0]
        self.weight_width = np.shape(self.weight)[1]

        self.output_height = int((self.input_height - self.weight_height) / self.stride) + 1
        self.output_width = int((self.input_width - self.weight_width) / self.stride) + 1

        out = np.zeros((self.output_height