2.3.3　自定义神经网络层

2.3.1节中使用伪代码定义机器学习库中低级API，有了实现的神经网络基类抽象方法，那么就可以设计更高层次的接口，解决手动管理参数的烦琐。假设已经有了神经网络模型抽象方法Cell，构建Conv2D将继承Cell类，并重构__init__和__call__方法，在__init__方法中初始化训练参数和输入参数，在__call__方法中调用低级API实现计算逻辑。使用伪代码，如代码2.12所示，通过接口定义描述自定义卷积层的过程。

代码2.12　自定义神经网络层

有了上述定义，在使用卷积层时，就不需要创建训练变量了。假设需要对30×30大小的10个通道的输入使用3×3的卷积核做卷积，卷积后输出20个通道，调用方式如代码2.13所示。

代码2.13　使用卷积层

在执行过程中，初始化Conv2D时，__setattr__方法会判断属性，把属于Cell类的神经网络层Conv2D记录到self._cells中，filters属于参数（parameter），把参数记录到self._params中。查看神经网络层参数使用conv.parameters_and_names；查看神经网络层列表使用conv.cells_and_names；执行操作使用conv（inputs）。