#学自深度学习5.1章

在二维互相关运算中，卷积窗口从输入数组的最左上方开始，按从左往右、从上往下的顺序，依次在输入数组上滑动。当卷积窗口滑动到某一位置时，窗口中的输入子数组与核数组按元素相乘并求和，得到输出数组中相应位置的元素。图5.1中的输出数组高和宽分别为2，其中的4个元素由二维互相关运算得出：

0×0+1×1+3×2+4×3=19,
1×0+2×1+4×2+5×3=25,
3×0+4×1+6×2+7×3=37,
4×0+5×1+7×2+8×3=43.

import torch
def corr2d(x,k):
    k_h,k_w = k.shape
    y=torch.zeros(x.shape[0]+1-k_h, x.shape[1]+1-k_w)
    #如果是full_corr2d，可以修改y的shape
    for i in range(y.shape[0]):
        for j in range(y.shape[1]):
            y[i,j]=(x[i:i+k_h, j:j+k_w]*k).sum()
    return y

X = torch.tensor([[0, 1, 2], [3, 4, 5], [6, 7, 8]])
K = torch.tensor([[0, 1], [2, 3]])
print(corr2d(X, K))

#tensor([[19., 25.],
#        [37., 43.]])

features map(valid_corr2d)
shape[0] = (X.shape[0]+stride-K.shape[0]) / stride
shape[1] = (X.shape[1]+stride-K.shape[1]) / stride