50、CNN的概述介绍-编程阁

CNN的概述

卷积层：卷积核（小的矩阵）进行点乘求和
池化层：提取特征（最大值提取、平均提取）
全连接：判断分类

卷积之后为什么需要池化呢?

因为信息太多了，计算量太大，我们就只计算最大的数据。就是池化
卷积层：加权求和（W 是卷积核权重（小矩阵），x 是局部输入（小块像素））
激励层：ReLU激活函数
池化层：去区域的平均值或者最大值。降低参数的数量级，例如2*2的就是4变1了
全连接层：输出CNN模型的预测结果了

总结

卷积神经网络应用
图像分类
目标检测
图像分割
人脸识别
医学图像分析
自动驾驶

CNN的卷积层是加权求和的理解

卷积核的权重（kernel weights）就是神经网络中的权重参数 ( W )
图像局部区域的像素值就是输入 ( x )
卷积层计算的过程就是：对局部输入 ( x ) 和权重 ( W ) 做点乘（加权求和）
然后加上偏置 ( b )，再通过激活函数非线性变换

其中：

( W ) 是卷积核权重（小矩阵）
( x ) 是局部输入（小块像素）
( f ) 是激活函数，比如 ReLU

你可以把卷积层看作：

“一组小型的局部权重 ( W )，在整个图像上滑动应用，不断做点乘 + 激活”

这也是卷积层跟全连接层的最大区别：

全连接层：权重矩阵对所有输入做点乘
卷积层：小权重核对局部输入做点乘，权重在空间共享

总结：

角色	物理意义	数学对应
卷积核权重	小的权重矩阵	( W )
局部输入	图像某块像素数据	( x )
偏置	额外可训练的偏移量	( b )
激活函数	非线性变换	( f(\cdot) )

一、CNN 是干什么的？（一句话）

CNN（卷积神经网络） = 专门“看图”的神经网络
它不是把图片拉平成一长串数字，而是像人一样：先看局部，再看整体

二、CNN 的三大核心结构

你提的这三个就是CNN 的骨架：

卷积层（Convolution）
池化层（Pooling）
全连接层（Fully Connected）

我按“干什么 → 怎么做 → 小例子”来讲。

1️⃣ 卷积层（Conv Layer）

🧠 干什么？

提取局部特征

比如：

边缘
角点
纹理
简单形状

🔧 怎么做？

用一个小窗口（卷积核）在图像上滑动：

原图像（8×8） ⬇ 3×3 卷积核 滑动 ⬇ 特征图（Feature Map）

👀 直观例子

假设图像里有一条竖线：

00010000 00010000 00010000 00010000

卷积核（检测竖线）：

-1 2 -1 -1 2 -1 -1 2 -1

👉 卷积后：

竖线位置数值很大
其他地方接近 0

📌卷积层 ≈ 自动“找特征”

📌 重要特点

参数少（共享权重）
保留空间结构
多个卷积核 → 多种特征

2️⃣ 池化层（Pooling Layer）

🧠 干什么？

压缩特征，保留重点

🔧 怎么做？

在小区域里取最大值或平均值

Max Pooling（最常用）

2×2 区域 [1 3] [2 0] → 3

👀 直观例子

卷积后特征图：

0 2 1 0 3 5 2 1 0 1 0 2 1 2 1 0

2×2 最大池化后：

5 2 2 2

📌只关心“有没有这个特征”，不关心精确位置

📌 好处

减少计算量
防止过拟合
对小位移不敏感（平移不变性）

3️⃣ 全连接层（Fully Connected）

🧠 干什么？

做最终判断（分类 / 回归）

🔧 怎么做？

把前面的特征图拉平成一维
和普通 ANN 一样算

特征图 → 向量 → 全连接 → 输出

👀 直观例子（猫狗分类）

卷积层学到：

有耳朵 ✔
有胡须 ✔
有眼睛 ✔

全连接层综合这些特征：

→ 这是猫（0.92） → 这是狗（0.08）

三、把三者连起来（完整 CNN 流程）

原图（32×32） ↓ 卷积层（边缘、纹理） ↓ 池化层（压缩） ↓ 卷积层（更复杂形状） ↓ 池化层 ↓ 全连接层 ↓ 分类结果

四、一个最小 PyTorch 示例（看个整体感觉）

import torch.nn as nn model = nn.Sequential( nn.Conv2d(3, 16, kernel_size=3), # 卷积层 nn.ReLU(), nn.MaxPool2d(2), # 池化层 nn.Conv2d(16, 32, kernel_size=3), nn.ReLU(), nn.MaxPool2d(2), nn.Flatten(), # 拉平 nn.Linear(32 * 6 * 6, 10) # 全连接 )