CNN反向传播数值示例

Question

我正在开发另一个深度学习库，目前正致力于传统卷积层的反向传播。对于每个卷积层，用户可以提供以下参数：

1. 内核数量
2. 每个内核的大小（深度，高度，宽度）。深度当然必须与前一层的输出深度相匹配。
3. 二维填充
4. 跨越两个维度

我想要的是为这部分编写单元测试，因为它非常复杂且容易出错。但是我自己很难想出一个数字例子，特别是我可以100％信任的例子。即使我这样做，我也绝不会说服某人通过手工制作矩阵旋转和卷积来检查它...我也没有运气搜索一个。但也许在谷歌搜索时，有人在这里比我好！

我特意寻找的是一个例子，给定来自下一层的渐变，以及当前的权重和渐变，我们得到该层必须产生的渐变（其激活和权重）。当然，上面提到的图层参数将在我的测试中进行硬编码。

类似的东西：

activationGradients = [... numbers here ...]
weights = [... numbers here...]
biases = [... numbers here ...]

then

activationGradientsBackward  = [... numbers here ...]
weightGradients = [... numbers here ...]
biasGradients = [... numbers here ...]

然后我可以写下这样的内容：

assert agb, wg, bg == backprop(ag, w, b) 

我已经阅读了很多关于描述网络的方程式的资源，并且尽可能地实现了它们。但是，我需要在每个步骤中断言正确性。互联网上有这样的数字例子吗？

作为一个例子，我发现this post提供了我正在寻找的东西，但是对于前馈网。 CNN需要相同的内容。