LeNet网络的所有layer以及layer的输出数据
data: 输入图片数据大小为28*28
conv1: 20个卷积核,卷积之后feature map大小24*24
pool1: pooling...4*4大小的feature map, 排列起来大小为800, 与ip1的500个结点进行全连接, weights个数为500*800, biases个数为500
ip2: ip1的500个结点与ip2...(10, 500) (10,)
numpy pad
padding分为四部分
第一部分: (0, n ** 2 - data.shape[0]), 补充方阵的缺少的部分, 0表示前面不补, 后面补...n ** 2 - data.shape[0]列
第二部分: (0, 1)表示每个filter的前面不补, 后面补1列, filter补了一行
第三部分: (0, 1)表示每个filter的前面不补...2, 1, 3) + tuple(range(4, data.ndim + 1)))
data = data.reshape((n * data.shape[1], n * data.shape