卷積神經網(wang)絡（CNN）必(bi)備(bei)基礎知(zhi)識
時間：2025-06-09 來(lai)源：華清(qing)遠(yuan)見(jian)
在計算(suan)機(ji)(ji)視(shi)覺和深度學(xue)習(xi)(xi)領域，卷積神(shen)經網絡（Convolutional Neural Networks, CNN） 是一類深度學(xue)習(xi)(xi)算(suan)法(fa)，廣泛應(ying)用(yong)于計算(suan)機(ji)(ji)視(shi)覺、自然(ran)語(yu)言處理、語(yu)音識(shi)別(bie)等領域。作為深度學(xue)習(xi)(xi)的(de)重要組成部分(fen)，CNN的(de)核心(xin)思想(xiang)是通過模(mo)仿生物(wu)視(shi)覺皮層(ceng)的(de)工作原理，有(you)效地提取和學(xue)習(xi)(xi)圖像或(huo)其他(ta)數據中的(de)特征。
本(ben)文將(jiang)帶你(ni)快速掌(zhang)握 CNN 的核(he)心概念，并(bing)通過(guo) PyTorch 實現一個(ge)經典的手寫(xie)數(shu)字分類模型（MNIST），助(zhu)你(ni)快速入門！
一、 神經網絡基礎
首先(xian)需要(yao)了解(jie)神經(jing)(jing)網(wang)絡(luo)(luo)的(de)基礎知識。神經(jing)(jing)網(wang)絡(luo)(luo)由多個(ge)神經(jing)(jing)元(yuan)（或(huo)節點）組(zu)成，每個(ge)神經(jing)(jing)元(yuan)通(tong)過連接傳(chuan)遞(di)信息(xi)，類似于生物(wu)神經(jing)(jing)系統的(de)運(yun)作方(fang)式。最簡(jian)單的(de)神經(jing)(jing)網(wang)絡(luo)(luo)結(jie)構包(bao)括輸入層、隱藏(zang)層和輸出層。
· 輸入(ru)層：接受外(wai)部數據輸入(ru)。
· 隱藏層：通過加權計算(suan)輸入信號并進行非線性變換。
· 輸(shu)出層(ceng)：根據(ju)隱(yin)藏層(ceng)的(de)計算結(jie)果產生輸(shu)出。
CNN 是一(yi)種特殊的(de)神(shen)經網(wang)絡，它在傳統的(de)全連接層(ceng)基(ji)礎(chu)上引入了卷積層(ceng)、池(chi)化層(ceng)等層(ceng)次結(jie)構，專門設(she)計用于處理具有格(ge)狀結(jie)構的(de)數據（如圖像）。
二、CNN 的核心組成結構
1. 卷積層（Convolutional Layer）
· 使用可學(xue)習的(de)卷積核（Filter）對輸入進行滑動卷積操作，提取局(ju)部特(te)征。
· 卷積(ji)操作(zuo)的(de)基本過程如下：
o 使用卷積核在輸入數據上滑動，通(tong)過(guo)點乘計算卷積結果。
o 通過滑動窗口(kou)將卷積核應用于(yu)圖(tu)像的(de)不同區域(yu)，從(cong)而提(ti)取(qu)局部特征(zheng)（如(ru)邊緣、紋理等）。
o 結(jie)果稱為特征圖（Feature Map），是(shi)對輸(shu)入數(shu)據(ju)局部區域的提取。
· 卷(juan)積的主要作用(yong)是提取邊緣、紋理(li)、形狀等(deng)局部(bu)結構(gou)。
2. 池化層（Pooling Layer）
· 池(chi)化層用于減少數據的(de)維度，從而降低計算復雜(za)度并避(bi)免過擬合。最(zui)常用的(de)池(chi)化方式(shi)有最(zui)大池(chi)化和平均池(chi)化。
o 最(zui)大池(chi)化：從池(chi)化窗口中選取最(zui)大的值作為(wei)輸(shu)出。
o 平均池(chi)化(hua)：從池(chi)化(hua)窗口(kou)中選取平均值作(zuo)為輸出。
· 池化操作通過減(jian)少(shao)空間維度，使得CNN更(geng)具魯棒性，能(neng)夠識別圖像中的(de)(de)重要特征，而不受小的(de)(de)平移和變形影響。
3. 激活函(han)數
激活(huo)函(han)數(shu)的作用是引(yin)入非線(xian)性(xing)特(te)征，使得網(wang)絡能夠(gou)逼近(jin)復雜的函(han)數(shu)。CNN中常(chang)用的激活(huo)函(han)數(shu)包括ReLU（Rectified Linear Unit）、Sigmoid和Tanh等(deng)。
· ReLU：最常用的激活(huo)函數，定(ding)義為：ReLU(x)=max(0,x)
ReLU 函數具(ju)有較好的(de)非線性(xing)特性(xing)，且能夠避免(mian)梯度消失(shi)問(wen)題，因此(ci)廣(guang)泛應用于現代深度神經網(wang)絡中。
· 激活函(han)數通過(guo)在卷積層和(he)全連接層后進行非線性變(bian)換，增加了(le)網絡(luo)的表(biao)達能力。
4. 全連接層（Fully Connected Layer）
· 全(quan)連(lian)接層(ceng)（Fully Connected Layer，簡(jian)稱(cheng)FC）在CNN中(zhong)通常位于(yu)網絡(luo)的最后部分，用于(yu)將(jiang)卷積(ji)和池(chi)化操作提取到(dao)的特征映射(she)到(dao)最終的類別標簽。全(quan)連(lian)接層(ceng)的每(mei)個神經元都(dou)與上一層(ceng)的所有神經元相連(lian)，因此參數較多(duo)，計算量較大(da)。
三、卷積神經網絡的工作流程
CNN的工作流程可以簡要(yao)總結為以下幾個(ge)步驟：
1. 輸入圖像(xiang)：圖像(xiang)被(bei)輸入到CNN的輸入層(ceng)。
2. 卷(juan)積層(ceng)(ceng)：卷(juan)積層(ceng)(ceng)使用(yong)卷(juan)積核對圖(tu)像進(jin)行卷(juan)積操(cao)作(zuo)，提取局(ju)部特征。
3. 池化(hua)層(ceng)：池化(hua)層(ceng)對卷積后的特征圖進行下采樣，減少數(shu)據維度。
4. 激活函(han)數：激活函(han)數對(dui)每一層(ceng)的輸出進行非線性(xing)變換。
5. 全連(lian)接層：將提取到(dao)的特征映射(she)到(dao)最終的類別(bie)標簽。
6. 輸出層：網絡輸出分類結果或(huo)回(hui)歸預(yu)測。
四、卷積神經網絡的工作流程
卷積輸出(chu)尺寸計算公式：
五、PyTorch 實現一(yi)個(ge)簡單的(de) CNN 分類模型
我們(men)將(jiang)使用(yong) MNIST 數據(ju)集(ji)（10類手寫數字(zi)，圖像(xiang)大(da)小為 28×28）來訓練和測試一個基(ji)本的卷積神經網絡。
安裝依賴
pip install torch torchvision matplotlib
代碼示例
import torch
import torch.nn as nn
import torch.optim as optim
from torchvision import datasets, transforms
from torch.utils.data import DataLoader
# 設置運行設備
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
# 數據預(yu)處(chu)理：轉為(wei)Tensor，并進行歸一化
transform = transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.1307,), (0.3081,))
])
# 加載 MNIST 數據集(ji)
train_dataset = datasets.MNIST(root='./data', train=True, transform=transform, download=True)
test_dataset = datasets.MNIST(root='./data', train=False, transform=transform)
train_loader = DataLoader(train_dataset, batch_size=64, shuffle=True)
test_loader = DataLoader(test_dataset, batch_size=1000, shuffle=False)
# 定(ding)義 CNN 模型
class SimpleCNN(nn.Module):
def __init__(self):
super(SimpleCNN, self).__init__()
self.conv1 = nn.Conv2d(1, 10, kernel_size=5)
; self.pool = nn.MaxPool2d(2)
self.conv2 = nn.Conv2d(10, 20, kernel_size=5)
self.fc1 = nn.Linear(320, 50)
self.fc2 = nn.Linear(50, 10)
def forward(self, x):
x = self.pool(torch.relu(self.conv1(x))) # 輸出大小(xiao)：(10, 12, 12)
; x = self.pool(torch.relu(self.conv2(x))) # 輸出大小：(20, 4, 4)
x = x.view(-1, 320) # 展平
x = torch.relu(self.fc1(x))
x = self.fc2(x)
return x
# 模型(xing)訓(xun)練配置
model = SimpleCNN().to(device)
criterion = nn.CrossEntropyLoss()
optimizer = optim.Adam(model.parameters(), lr=0.001)
# 訓練模型
for epoch in range(1, 6):
model.train()
; for data, target in train_loader:
data, target = data.to(device), target.to(device)
optimizer.zero_grad()
output = model(data)
loss = criterion(output, target)
loss.backward()
optimizer.step()
print(f'Epoch {epoch}, Loss: {loss.item():.4f}')
# 模型測試
model.
correct = 0
with torch.no_grad():
for data, target in test_loader:
data, target = data.to(device), target.to(device)
output = model(data)
pred = output.argmax(dim=1)
correct += pred.eq(target).sum().item()
accuracy = 100. * correct / len(test_loader.dataset)
print(f'\nTest Accuracy: {accuracy:.2f}%')
總結
卷(juan)積神經網絡（CNN）通(tong)過模擬(ni)生(sheng)物視覺系統的(de)(de)(de)工作方式(shi)，有效地提取圖像等數據中的(de)(de)(de)特征，廣泛應用于計算(suan)機(ji)視覺和(he)其他深度學習任(ren)務。理解CNN的(de)(de)(de)基本構成，包括(kuo)卷(juan)積操(cao)作、池(chi)化操(cao)作、激(ji)活函數和(he)全連接層，是掌握這一(yi)技術的(de)(de)(de)基礎。
隨(sui)著深(shen)(shen)度學(xue)習(xi)研(yan)究的不斷(duan)(duan)深(shen)(shen)入，CNN在多個(ge)領(ling)域的應用也不斷(duan)(duan)擴大，不僅(jin)限于圖像處理，也已延伸到語音識(shi)別、自然語言處理等多種(zhong)領(ling)域。掌握CNN的基礎(chu)(chu)知識(shi)，能(neng)為進一步深(shen)(shen)入學(xue)習(xi)和研(yan)究深(shen)(shen)度學(xue)習(xi)奠定良好的基礎(chu)(chu)。
