CNN实现

[yhx0105]

老师你好，我在阅读你们代码的时候遇到了一些问题不太理解。
1.在ch17-CNNBasic MinFramework jit_utility.py 中
`
def img2col(input_data, filter_h, filter_w, stride=1, pad=0):

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 = input_data
if pad > 0:
    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 i in range(filter_h):
    i_max = i + stride*out_h
    for j in range(filter_w):
        j_max = j + stride*out_w
        col[:, :, i, j, :, :] = img[:, :, i:i_max:stride, j:j_max:stride]
col = np.transpose(col, axes=(0, 4, 5, 1, 2, 3)).reshape(N*out_h*out_w, -1)
return col`

为什么col要变成这个形状(Nout_hout_w, -1)？？？？？？

`def col2img(col, input_shape, filter_h, filter_w, stride, pad, out_h, out_w):

N, C, H, W = input_shape
tmp1 = col.reshape(N, out_h, out_w, C, filter_h, filter_w)
tmp2 = np.transpose(tmp1, axes=(0, 3, 4, 5, 1, 2))
img = np.zeros((N, C, H + 2*pad + stride - 1, W + 2*pad + stride - 1))
for i in range(filter_h):
    i_max = i + stride*out_h
    for j in range(filter_w):
        j_max = j + stride*out_w
        img[:, :, i:i_max:stride, j:j_max:stride] += tmp2[:, :, i, j, :, :]
return img[:, :, pad:H + pad, pad:W + pad]`

为什么初始化img的形状是(N, C, H + 2pad + stride - 1, W + 2pad + stride - 1)

[yhx0105]

虽然不知道为什么但是这样矩阵变来变去，居然又变回去了 好神奇啊

[xiaowuhu]

这个在17.2中有详细解释