三维Numpy阵列索引（卷积网络）

Question

我正在尝试编写一个执行卷积的函数，我在尝试使用numpy创建输出卷时遇到了一些挑战。具体来说，我有一个输入图像，它表示为一个维度数组（150150,3）。现在，我想用一组kernels num\u kernels来卷积这个图像，它们是维（4,4,3）的数组，我希望这些kernels以2的步长在图像上移动。我的思考过程是：

（1）我将创建一个输出数组，该数组由从输入数组中取出（4,4,3）个大小的块组成，并将这些块扩展到行中，最后生成一个大的矩阵。你知道吗

（2）然后，我将创建一个由所有（4,4,3）内核组成的参数数组，这些内核将展开成行，这也将生成一个大的矩阵。你知道吗

（3）然后我可以将这些矩阵点积在一起，并将输出矩阵重塑为适当的维数。你知道吗

我的粗略psuedo代码开始数字（1）如下。你知道吗

def Convolution(input, filter_size, num_filters, stride):
    X = input 
    output_Volume = np.zeros(#dimensions)
    weights = np.zeros(#dimensions)
    #get weights from other function
    for width in range(0,150,2):
        for height in range(0,150,2):
            row = X(#indexes here to take out chunk).flatten
            output_Volume.append(row) #something of this sort
    return #dot product output volume and weights   

如果有人能提供一个具体的代码示例，说明如何在Python中实现这一点（最有帮助的是对（1）和（2）的回答）（我使用的是numpy），那将不胜感激。谢谢您！你知道吗