一、卷积概述
1.1 基本定义
卷积计算过程如图1所示，即输入矩阵和核函数（filter）对应的位置相乘，然后相加得到输出对应位置的数。
图1. 卷积计算过程
该过程可以形象地从图2中展现。
图2. 二维卷积示意图
1.2 实现互相关运算的代码实现
import torch
from torch import nn
from d2l import torch as d2l
def corr2d(X, K): #@save
"""计算二维互相关运算"""
h, w = K.shape
Y = torch.zeros((X.shape[0] - h + 1, X.shape[1] - w + 1))
for i in range(Y.shape[0]):
for j in range(Y.shape[1]):
Y[i, j] = (X[i:i + h, j:j + w] * K).sum()
return Yh，w为卷积核的行、列数
Y为输出矩阵，它的行、列数为X.shape[0] - h + 1和 X.shape[1] - w + 1，X.shape[0] 为输入矩阵的行数，X.shape[0] - h 为卷积核可以向右移动的步数，因为移动步数为零时也会计算出一个值，所以 X.shape[0] - h + 1 为输出结果的行数，列数同理。
X[i:i + h, j:j + w] * K 表示从输入矩阵中提取一个子矩阵，索引范围为，即包含左边不包含右边，乘法表示对应元素相乘。
1.3 训练卷积网络的简单实现
import torch
from torch import nn
from d2l import torch as d2l
X = torch.ones((6, 8))
X[:, 2:6] = 0
Y = torch.zeros((6, 7))
# 构造一个二维卷积层，它具有1个输出通道和形状为（1，2）的卷积核
conv2d = nn.Conv2d(1,1, kernel_size=(1, 2), bias=False)
# 这个二维卷积层使用四维输入和输出格式（批量大小、通道、高度、宽度），
# 其中批量大小和通道数都为1
X = X.reshape((1, 1, 6, 8))
Y = Y.reshape((1, 1, 6, 7))
lr = 3e-2 # 学习率
for i in range(10):
Y_hat = conv2d(X)
l = (Y_hat - Y) ** 2
conv2d.zero_grad()
l.sum().backward()
# 迭代卷积核
conv2d.weight.data[:] -= lr * conv2d.weight.grad
if (i + 1) % 2 == 0:
print(f'epoch {i+1}, loss {l.sum():.3f}')二、填充与步幅
填充（padding）指在输入矩阵周围添加行列，使卷积后得到的结果行列数更多。效果如图3所示。
图3. 卷积填充示意图
import torch
from torch import nn
# 为了方便起见，我们定义了一个计算卷积层的函数。
# 此函数初始化卷积层权重，并对输入和输出提高和缩减相应的维数
def comp_conv2d(conv2d, X):
# 这里的（1，1）表示批量大小和通道数都是1
X = X.reshape((1, 1) + X.shape)
Y = conv2d(X)
# 省略前两个维度：批量大小和通道
return Y.reshape(Y.shape[2:])
# 请注意，这里每边都填充了1行或1列，因此总共添加了2行或2列
conv2d = nn.Conv2d(1, 1, kernel_size=3, padding=1)
X = torch.rand(size=(8, 8))
comp_conv2d(conv2d, X).shape
# 上下各填充2行，左右各填充1列，总计填充4行2列
conv2d = nn.Conv2d(1, 1, kernel_size=(5, 3), padding=(2, 1))
comp_conv2d(conv2d, X).shape步幅（stride）指卷积核每次移动距离，增加步幅可以在不增加卷积核尺寸的条件下使得到的结果行列数更少。效果如图4所示。
图4. 卷积步幅示意图
import torch
from torch import nn
# 向右移动的步幅与向下移动的步幅均为2
conv2d = nn.Conv2d(1, 1, kernel_size=3, padding=1, stride=2)
X = torch.rand(size=(8, 8))
print(comp_conv2d(conv2d, X).shape) # 输出 torch.Size([4, 4])
X = torch.rand(size=(8, 8))
# padding之后，size=(8,10)，输出行数=1+(8-3)/3=2，输出列数=1+(10-5)/4=2
# 行向移动的stride=3，列向移动的stride=4
conv2d = nn.Conv2d(1, 1, kernel_size=(3, 5), padding=(0, 1), stride=(3, 4))
print(comp_conv2d(conv2d, X).shape) # 输出 torch.Size([2, 2])三、多通道输入与输出
3.1 多通道输入
多通道输入，输入的通道数与卷积核的通道数应相同，隔层分别进行卷积，然后相加，单个卷积核输出单通道。
图5. 多通道输入计算过程
3.2 多通道输出
多通道输出需要多个卷积核，每个卷积核生成输出的一个通道，如果输出通道数为10，需要10个卷积核。
图6. 多通道输出计算过程
每个核（filter）代表一种特定的识别模式（例如是识别边缘、锐化等）
3.3 1×1卷积层（Shared MLP）
该卷积层不识别空间模式，仅仅融合通道特征，如图7所示。
图7. Shared MLP结构（输入通道3，输出通道2）
四、池化
池化，可增强容错性，降低网络对局部噪音的敏感度。作用过程类似卷积层，如图2所示，用矩形窗口进行计算，不过计算规则不一样，可用于缩小该层规模，也有padding和stride。但没有可学习的参数。
例如最大池化（输出每个窗口最强的信号）：
图8. 最大池化示意图
池化的代码手动实现如下：
import torch
from torch import nn
from d2l import torch as d2l
def pool2d(X, pool_size, mode='max'):
p_h, p_w = pool_size
# 输出结果的长宽
Y = torch.zeros((X.shape[0] - p_h +1, X.shape[1] - p_w + 1))
for i in range(Y.shape[0]):
for j in range(Y.shape[1]):
if mode == 'max':
Y[i, j] = X[i:i + p_h, j:j + p_w].max()
elif mode == 'avg':
Y[i, j] = X[i:i + p_h, j:j + p_w].mean()
return Y
X = torch.tensor([[0.0, 1.0, 2.0], [3.0, 4.0, 5.0], [6.0, 7.0, 8.0]])
print(pool2d(X))使用pytorch框架实现如下：
import torch
X = torch.arange(16, dtype = torch.float32).reshape((1, 1, 4, 4))
# pytorch 框架下的最大池化实现，默认 stride 和窗口大小相同
pool2d = nn.MaxPool2d(3)
print(pool2d(X))
# 手动设置 padding 和 stride
pool2d = nn.MaxPool2d(3, padding = 1, stride = 2)
# 2行3列的卷积核，padding 上下各加2行，左右各加1列，行向移动stride为2，列向移动stride为3
pool2d = nn.MaxPool2d((2,3), padding = (2, 1), stride = (2, 3))二维池化层用于多通道数据时，在每个通道上单独计算，生成结果的通道数与输入的通道式一致。
