2.3.3　自定義神經網絡層

2.3.1節中使用偽代碼定義機器學習庫中低級API，有了實現的神經網絡基類抽象方法，那么就可以設計更高層次的接口，解決手動管理參數的煩瑣。假設已經有了神經網絡模型抽象方法Cell，構建Conv2D將繼承Cell類，并重構__init__和__call__方法，在__init__方法中初始化訓練參數和輸入參數，在__call__方法中調用低級API實現計算邏輯。使用偽代碼，如代碼2.12所示，通過接口定義描述自定義卷積層的過程。

代碼2.12　自定義神經網絡層

有了上述定義，在使用卷積層時，就不需要創建訓練變量了。假設需要對30×30大小的10個通道的輸入使用3×3的卷積核做卷積，卷積后輸出20個通道，調用方式如代碼2.13所示。

代碼2.13　使用卷積層

在執行過程中，初始化Conv2D時，__setattr__方法會判斷屬性，把屬于Cell類的神經網絡層Conv2D記錄到self._cells中，filters屬于參數（parameter），把參數記錄到self._params中。查看神經網絡層參數使用conv.parameters_and_names；查看神經網絡層列表使用conv.cells_and_names；執行操作使用conv（inputs）。