"""
class LeNetConvPoolLayer(object):
def __init__(self, rng, input, filter_shape, image_shape,
poolsize=(2, 2)):
#assert condition，condition 为 True，则继续往下执行，condition 为 False，
中断程序
#image_shape[1]和 filter_shape[1]都是 num input feature maps，它们必须
是一样的。
assert image_shape[1] == filter_shape[1]
self.input = input
#每个隐层神经元（即像素）与上一层的连接数为 num input feature maps *
filter height * filter width。
#可以用 numpy.prod(filter_shape[1:])来求得
fan_in = numpy.prod(filter_shape[1:])
#lower layer 上每个神经元获得的梯度来自于："num output feature maps *
filter height * filter width" /pooling size
fan_out = (filter_shape[0] * numpy.prod(filter_shape[2:]) /
numpy.prod(poolsize))
#以上求得 fan_in、fan_out ，将它们代入公式，以此来随机初始化 W,W 就是线
性卷积核
W_bound = numpy.sqrt(6. / (fan_in + fan_out))
self.W = theano.shared(
numpy.asarray(
