weixin_43732906的博客

https://zhuanlan.zhihu.com/p/40951745https://mp.weixin.qq.com/s?__biz=MzI4ODY2NjYzMQ==&mid=2247484232&idx=1&sn=e8f962ecbc85e033e1b06ec166dcb306&chksm=ec3ba620db4c2f3695c43de7d205e16b82cf1b67208d4c572695a5202736dfa89b89c9076595&mpshare=

通过摆脱pytorch和tensorflow完全搭建神经网络来夯实一下基础，害，双非的卑微努力本篇搭建了卷积部分和池化的前向传播首先需要复习卷积的基础概念输入（feature), 卷积核（filter）中对应点的相乘上图很清楚的表示了单通道feature的卷积计算，在多通道下，需要注意的是一个卷积核的shape(c, h, w)，在每个卷积核的对应通道和feature的对应通道相乘后加起来，具体过程如下图所示在理解上面的卷积过程后，如果自己尝试卷积，可能需要至少6个for循环，极大拖延效率，所