解题思路
本题需要手写二维卷积 Conv2D(input, weight, bias, stride, padding, dilation)，支持步幅、零填充与空洞（扩张）卷积。
设输入形状为 (C, H, W)，卷积核形状为 (Out, In, K, K)。
-
输出尺寸计算
令有效核尺寸 K_eff = dilation * (K - 1) + 1
题目内容
卷积神经网络 (CNN) 是计算机视觉领域的核心模型，ResNed 通过残差连接 (Residual Connection) 进一步解决了深层神经网络梯度消失的问题，本题要求实现 CNN 基础的卷积函数 Conv2D(input,weight,bias,stride,padding,dilation)，相关参数描述如下:
input:输入数据;
weight:卷积核的权重;
bias:卷积核的偏置
