卷积神经网络学习
卷积神经网络（CNN）专为处理网格结构数据（如图像、语音）设计的深度学习模型，其内部构造通过模拟人类视觉系统的层级特征提取机制，实现从低级到高级的特征学习。
CNN 的核心构造由多个功能模块有序组合而成，每个模块承担特定任务，共同完成 “特征提取→特征整合→决策输出” 的全过程。
为防止文字讲解过于抽象我们结合代码一起解释卷积神经网络
首先下面展示的是一段简单的CNN结构：
import torch
import torch.nn as nn
import torch.nn.functional as F
class SimpleCNN(nn.Module):
def __init__(self):
super(SimpleCNN, self).__init__()
self.conv1 = nn.Conv2d(1, 32, 3, 1)
self.conv2 = nn.Conv2d(32, 64, 3, 1)
self.fc1 = nn.Linear(64 * 12 * 12, 128)
self.fc2 = nn.Linear(128, 10)
self.max_pool = nn.MaxPool2d(2)
self.dropout = nn.Dropout(0.25)
def forward(self, x):
x = F.relu(self.conv1(x))
x = self.max_pool(F.relu(self.conv2(x)))
x = torch.flatten(x, 1)
x = F.relu(self.fc1(x))
x = self.dropout(x)
x = self.fc2(x)
return x
# 实例化模型
model = SimpleCNN()
print(model)
对于新手，我们可能只能看出来这段代码导入了torch包还构建了一个SimpleCNN的类，下面我将逐行解释这段代码的使用.
导入PyTorch的神经网络模块和函数式接口
import torch
import torch.nn as nn
import torch.nn.functional as F
定义名为 SimpleCNN 的神经网络类，继承自 PyTorch 的 nn.Module 基类
class SimpleCNN(nn.Module):
def __init__(self):
super(SimpleCNN, self).__init__()
这里或许会有一些疑问，为什么要继承nn.Module，或者会问这个是什么东西
你可以按住ctrl再将鼠标拖到这个Module处，可以看到这里可以点进去，如下图一般：
点进去后会有一段解释
我在这里大致解释说明一下，nn.Module
nn.Module是 PyTorch 所有神经网络模块的基类，它提供了构建和训练模型的核心功能框架：
-
参数管理：①自动跟踪所有定义在类中的nn.Parameter（如卷积核权重、全连接层权重），可通过module.parameters
()统一访问。②支持参数初始化、梯度计算、权重更新等操作（如优化器直接作用于module.parameters()）。 -
模块化设计：允许嵌套子模块（如将多个卷积层封装为一个特征提取器），形成树形结构，便于组织复杂网络。
-
前向传播定义：通过实现
forward()方法定义数据流向，使模型可像函数一样被调用（如output = model(input)）。 -
状态管理：提供训练 / 评估模式切换（
model.train()/model.eval()），影响如 Dropout、BatchNorm 等层的行为。 -
序列化支持：支持模型保存 / 加载（
torch.save(model.state_dict(), path)），方便迁移学习和部署。
创建第一个卷积层（提取特征）：
self.conv1 = nn.Conv2d(1, 32, 3, 1)
四个参数分别对应：输入通道数=1，输出通道数=32，卷积核大小=3×3，步长=1。
进一步解释一下，输入通道数为1的意思就是输入一张图像（灰色表示无颜色通道之分，故通道数=1），输出通道数为32表示使用了32个不同的卷积核，每个卷积核会生成一个独立的特征图（Feature Map），这些特征图的尺寸相同但是内容不同。
而这时的特征图尺寸是多少呢，我们可以来计算一下：
一般对于MNIST手写数字数据集（单通道灰度图），输入尺寸为28×28像素（关键基础，接下来每一层的特征图计算都会基于这个计算数字），输入层的输入尺寸：1×28×28（通道数×高度×宽度）
卷积层输出尺寸计算：
高度/宽度=（输入尺寸-卷积核+2×填充）/步长+1（此处的填充也就是Conv2d中的一个参数pedding）
=（28-3+0）/1+1=26
故输出尺寸：32×26×26
创建第二个卷积层（与第一个卷积层思路一样，这里就不过多赘述）
self.conv2 = nn.Conv2d(32, 64, 3, 1)
创建第一个全连接层（将前序层提取的局部特征整合为全局特征，最终用于分类、回归等任务）
self.fc1 = nn.Linear(64*12*12, 128)
全连接层的输入必须是一维向量，因此需先将前序层（如卷积层、池化层）输出的高维特征展平（Flatten）为一维向量，就是全连接层的输入特征数。
假设卷积层输出的特征图形状为（32,7,7）展平后的一维向量长度为：32×7×7=1568，则全连接层的输入特征数为1568
输入特征数=64×12×12（前序层输出的特征图展平后的大小）、
输出特征数=128
创建第二个全连接层
self.fc2 = nn.Linear(128, 10)
输入特征数=128
输出特征数=10（对应10个分类类别）
创建最大池化层（用于减少特征图的尺寸，降低计算复杂度，并在一定程度上防止过拟合）
self.max_pool = nn.MaxPool2d(2)
池化窗口大小=2×2，步长默认为2（与窗口大小相同），填充默认为0。
输出尺寸计算：
高度/宽度=输入尺寸/步长=24/2=12 （这里为什么是24呢我们后面会进行总体计算进行解释）
输出尺寸=64×12×12
创建Dropout层（防止模型过拟合，通过随机丢弃一部分神经元来增强模型的泛化能力）
self.dropout = nn.Dropout(0.25)
丢弃率=0.25（训练时随机忽略25%的神经元，防止过拟合）
定义前向传播过程
def forward(self, x):
x = F.relu(self.conv1(x))
x = self.max_pool(F.relu(self.conv2(x)))
x = torch.flatten(x, 1)
x = F.relu(self.fc1(x))
x = self.dropout(x)
x = self.fc2(x)
return x
输入X经过第一个卷积层，应用ReLU激活函数引入非线性；
输入X经过第二个卷积层，通过最大池化层进行降维；
将多维特征图展平为一维向量；
输入X经过第一个全连接层，应用ReLU激活函数；
应用Dropout正则化，训练时随机丢弃部分神经元；
输入X经过第二个全连接层，输出10维的原始得分，通常配合softmax进行分类。
以上就是SimpleCNN的总体框架，我们下面进行整体的计算（根据forward函数的流程）：
输入层：灰色图像（1×28×28）
第一个卷积层（前面已经计算过了）：32×26×26
第二个卷积层：高度/宽度=（26-3+0）/1+1=24，输出尺寸：64×24×24
最大池化层：高度/宽度=24/2=12，输出尺寸：64×12×12
展平操作：三维向量展平为一维向量：64×12×12=9216
第一个全连接层：将输入的9216维向量映射为128维向量，包含线性变化和ReLU激活：
线性变换：
对每个样本i的第j个神经元的计算：
ReLU激活：
对每个元素的计算：
Dropout操作：
第二个全连接层计算：将128维向量映射到10维向量：
线性变换：
对每个样本i的第j个神经元的计算：
最终结果如图所示：
以上就是今天学习的全部内容，主要是搞懂CNN中的简单架构，有利于我们接下来更深入的学习
腾讯云面向开发者汇聚海量精品云计算使用和开发经验，营造开放的云计算技术生态圈。
更多推荐
28
0- 0
已为社区贡献1条内容
所有评论(0)