util 
    im2col 
    col2im 

 構成・方式など
 タスク
 導入
 Sample

 用語
  sampleなどはCentOS7で実施　　（$ python3 xxxx.py）

 util  #!/usr/bin/env python3  # util  import numpy as np  def smooth_curve(x): # 損失関数のグラフを滑らかにする。   window_len = 11   s = np.r_[x[window_len-1:0:-1], x, x[-1:-window_len:-1]]   w = np.kaiser(window_len, 2)   y = np.convolve(w/w.sum(), s, mode='valid')   return y[5:len(y)-5]  def shuffle_dataset(x, t): # データセットのシャッフルを行う。   permutation = np.random.permutation(x.shape[0])   x = x[permutation,:] if x.ndim == 2 else x[permutation,:,:,:]   t = t[permutation]   return x, t # シャッフルを行った訓練データと教師データ  def conv_output_size(input_size, filter_size, stride=1, pad=0):   return (input_size + 2*pad - filter_size) / stride + 1  def im2col(input_data, filter_h, filter_w, stride=1, pad=0): """   Parameters ----------   input_data : (データ数, チャンネル, 高さ, 幅)の4次元配列からなる入力データ   filter_h : フィルターの高さ   filter_w : フィルターの幅   stride : ストライド   pad : パディング   Returns   -------   col : 2次元配列   """   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 = 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 y in range(filter_h):   y_max = y + stride*out_h   for x in range(filter_w):   x_max = x + stride*out_w   col[:, :, y, x, :, :] = img[:, :, y:y_max:stride, x:x_max:stride]   col = col.transpose(0, 4, 5, 1, 2, 3).reshape(N*out_h*out_w, -1)   return col  def col2im(col, input_shape, filter_h, filter_w, stride=1, pad=0): """   Parameters   ----------   col :   input_shape : 入力データの形状（例：(10, 1, 28, 28)）   filter_h :   filter_w   stride   pad   Returns   -------   """   N, C, H, W = input_shape   out_h = (H + 2*pad - filter_h)//stride + 1   out_w = (W + 2*pad - filter_w)//stride + 1   col = col.reshape(N, out_h, out_w, C, filter_h, filter_w).transpose(0, 3, 4, 5, 1, 2)   img = np.zeros((N, C, H + 2*pad + stride - 1, W + 2*pad + stride - 1))   for y in range(filter_h):   y_max = y + stride*out_h   for x in range(filter_w):   x_max = x + stride*out_w   img[:, :, y:y_max:stride, x:x_max:stride] += col[:, :, y, x, :, :]   return img[:, :, pad:H + pad, pad:W + pad]