CNN卷积神经网络之基础（一）

---

---

卷积神经网络（CNN）入门：从原理到代码

卷积神经网络（Convolutional Neural Network, CNN）是深度学习中最常用的模型之一，尤其在图像识别、目标检测等任务中表现优异。本文将带你从基础概念出发，理解 CNN 的核心机制，并通过 PyTorch 代码实现一个可运行的卷积操作案例。

---

一、为什么需要 CNN？

传统的全连接神经网络（Fully Connected Network）在处理图像时会遇到两个问题：

• 参数量巨大：一张 224×224 的图像，若使用全连接层，参数量将爆炸。
• 无法提取局部特征：图像中的物体具有平移、缩放、旋转不变性，全连接层难以捕捉这些特征。

CNN 通过以下三个特性解决了上述问题：

特性	描述
局部连接	每个神经元只连接输入图像的局部区域，减少参数量
权重共享	同一个卷积核在图像上滑动，使用相同权重，进一步减少参数并提取平移不变特征
池化	通过下采样保留主要特征，增强模型对位置变化的鲁棒性

---

二、核心组件详解

1. 卷积操作（Convolution）

卷积的本质是：用一个可学习的滤波器（卷积核）在图像上滑动，进行加权求和，生成特征图（Feature Map）。

代码示例：使用 PyTorch 实现二维卷积

import torch
import torch.nn as nn

# 输入图像（单通道 3x3）
input_matrix = torch.tensor([
    [1., 2., 3.],
    [4., 5., 6.],
    [7., 8., 9.]
], dtype=torch.float32)

# 卷积核（2x2）
kernel = torch.tensor([
    [0., 1.],
    [2., 3.]
], dtype=torch.float32)

# 转换为4维张量 (batch_size, channels, height, width)
input_tensor = input_matrix.view(1, 1, 3, 3)

# 创建卷积层
conv = nn.Conv2d(in_channels=1, out_channels=1, kernel_size=2, bias=False)
conv.weight.data = kernel.view(1, 1, 2, 2)

# 执行卷积
output = conv(input_tensor).squeeze().detach()
print("卷积结果：\n", output)

输出结果：

卷积结果：
tensor([[ 11., 16.],
		[ 26., 31.]])

---

2. 步长（Stride）与填充（Padding）

• 步长（stride）：控制卷积核每次移动的像素数，影响输出特征图大小。
  举例说明：
  假设有一个大小为5×5的输入图像（为了简化问题，不考虑颜色通道等复杂情况），而卷积核的大小是3×3。
  如果步长设置为1，那么卷积核就从左上角开始，每次向右移动1个单位，当到达图像边缘后，向下移动1个单位，继续向右扫描。这样在横向和纵向都会有很多重叠的计算区域，最终得到的输出特征图尺寸较大，会得到一个3×3的矩阵，可以捕捉到更密集的空间细节。
  若步长设置为2，则卷积核在每次移动时会跳过1个单位（因为步长是2），这样输出特征图的尺寸就会减小，会得到一个2×2的矩阵，计算量也会相应减少。较大的步长容易导致特征图中信息的稀疏，但可以有效降低模型的复杂度。

---

• 填充（padding）：在图像边缘补零，保持输出尺寸与输入一致。
  举例说明：
  假设我们有一张 5×5 的图像（简化为黑白图像，忽略颜色通道）。当我们使用一个 3×3 的卷积核进行卷积操作，并且步长为 1 时，如果没有 padding，输出的特征图尺寸就会变成 3×3。这是因为卷积核只能完全覆盖在原始图像的范围内进行计算。
  加齐边缘的作用：如果在原始图像的四周添加一层零填充（padding 的大小设为 1），那么整个图像的尺寸就变成了 7×7（5+2×1）。此时，3×3 的卷积核仍然使用步长 1 进行计算，输出的特征图尺寸就会回到 5×5。这样就能确保输出的特征图在尺寸上与输入图像保持一致，从而便于后续的处理和分析。
  
  

示例：计算输出特征图大小

import torch.nn as nn

# 输入：5x5 图像
input = torch.randn(1, 1, 5, 5)

# 卷积层：3x3 卷积核，步长1，填充0
conv = nn.Conv2d(1, 1, kernel_size=3, stride=1, padding=0)
output = conv(input)
print("输出特征图尺寸：", output.shape)

输出：

输出特征图尺寸： torch.Size([1, 1, 3, 3])

若设置 padding=1，则输出尺寸将恢复为 5×5。

---

3. 池化（Pooling）

池化层用于下采样，常用的是 最大池化（Max Pooling），保留区域内最大值。

import torch.nn as nn

# 输入：4x4 特征图
input = torch.tensor([[[[1, 2, 3, 4],
                        [5, 6, 7, 8],
                        [9, 10, 11, 12],
                        [13, 14, 15, 16]]]], dtype=torch.float32)

# 最大池化：2x2 池化核
pool = nn.MaxPool2d(kernel_size=2, stride=2)
output = pool(input)
print("池化后结果：\n", output.squeeze())

输出：

池化后结果：
 tensor([[ 6.,  8.],
         [14., 16.]])

---

三、完整案例：构建一个简单的 CNN 模块

下面是一个完整的 CNN 模块，包含卷积、ReLU 激活和最大池化：

import torch.nn as nn

class SimpleCNN(nn.Module):
    def __init__(self):
        super(SimpleCNN, self).__init__()
        self.conv = nn.Conv2d(1, 8, kernel_size=3, padding=1)
        self.relu = nn.ReLU()
        self.pool = nn.MaxPool2d(2)

    def forward(self, x):
        x = self.conv(x)
        x = self.relu(x)
        x = self.pool(x)
        return x

# 测试
model = SimpleCNN()
input = torch.randn(1, 1, 28, 28)
output = model(input)
print("输出形状：", output.shape)

输出：

输出形状： torch.Size([1, 8, 14, 14])

---

四、总结

模块	作用
卷积	提取局部特征，减少参数量
激活函数	引入非线性，提升表达能力
池化	降维、增强鲁棒性
全连接层	最终分类或回归输出（可选）

---