解题思路
- 计算输出尺寸
输入 X 的形状为 B × C_in × H × W，卷积核 weight 的形状为 C_out × C_in × K_h × K_w。
输出高宽为：
题面描述
给定一个四维输入张量 X、卷积核权重 weight 和偏置 bias，请你实现二维卷积 Conv2D 的前向传播，并返回卷积输出张量 Y。
本题中的卷积采用深度学习框架中常见的 互相关（cross-correlation） 形式，即卷积核不需要翻转。
对于 batch 中的每个样本、每个输出通道，卷积计算如下：
Y[b][oc][i][j] = bias[oc] + sum(X_padded[b][ic][i * stride + kh][j * stride + kw] * weight[oc][ic][kh][kw])
