30天掌握AI核心基础：从神经网络到目标检测的实战避坑指南

1次阅读

共计 2379 个字符，预计需要花费 6 分钟才能阅读完成。

概念关联性 ：神经网络、卷积网络和目标检测算法是层层递进的关系，碎片化学习容易形成知识断层
实践依赖性 ：从理论到代码实现需要跨越数据预处理、模型调试等多道坎，系统化路径能减少试错成本
工程闭环 ：完整的项目流程（数据→训练→评估）才能培养真正的 AI 工程能力

特征工程 ：
传统方法：依赖人工设计特征（如 SIFT/HOG）
深度方法：自动学习分层特征表示
数据需求 ：
传统方法：小样本也能获得不错效果
深度方法：需要大量标注数据
计算复杂度 ：
传统方法：CPU 即可完成训练
深度方法：通常需要 GPU 加速

import torch
import torch.nn as nn

class SimpleNN(nn.Module):
    """
    两层全连接神经网络
    输入维度: 784 (28x28 图像展开)
    隐藏层: 128 神经元
    输出: 10 类别概率
    """
    def __init__(self):
        super().__init__()
        self.layers = nn.Sequential(nn.Linear(784, 128),
            nn.ReLU(),
            nn.Linear(128, 10)
        )

    def forward(self, x):
        return self.layers(x)

# 数据加载示例
from torchvision import datasets, transforms
transform = transforms.Compose([transforms.ToTensor(),
    transforms.Normalize((0.5,), (0.5,))
])

train_data = datasets.MNIST('../data', train=True, download=True, transform=transform)
train_loader = torch.utils.data.DataLoader(train_data, batch_size=64, shuffle=True)

# 训练循环
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model = SimpleNN().to(device)
criterion = nn.CrossEntropyLoss()
optimizer = torch.optim.Adam(model.parameters(), lr=0.001)

for epoch in range(10):
    for images, labels in train_loader:
        images = images.view(-1, 784).to(device)
        labels = labels.to(device)

        optimizer.zero_grad()
        outputs = model(images)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()

卷积操作数学表达：

$$(f * g)(x,y) = \sum_{i=-k}^{k}\sum_{j=-k}^{k} f(i,j) \cdot g(x+i, y+j)$$

其中：
– $f$ 为输入特征图
– $g$ 为卷积核（如 3 ×3 滤波器）
– $k$ 为卷积核半径

输入尺寸：$H_{in} \times W_{in} \times C_{in}$
输出尺寸：$H_{out} \times W_{out} \times C_{out}$

其中：
$$
H_{out} = \left\lfloor\frac{H_{in} + 2\times padding – dilation\times(kernel_size-1)-1}{stride} + 1\right\rfloor
$$

锚框生成 ：
在特征图上每个点预设不同比例 / 尺寸的参考框
常用比例：[1:1, 1:2, 2:1]

IOU 计算 ：

def calculate_iou(box1, box2):
    """计算两个矩形框的交并比"""
    x1 = max(box1[0], box2[0])
    y1 = max(box1[1], box2[1])
    x2 = min(box1[2], box2[2])
    y2 = min(box1[3], box2[3])

    inter_area = max(0, x2 - x1) * max(0, y2 - y1)
    box1_area = (box1[2] - box1[0]) * (box1[3] - box1[1])
    box2_area = (box2[2] - box2[0]) * (box2[3] - box2[1])

    return inter_area / (box1_area + box2_area - inter_area)

错误示例 ：同时应用旋转和边界填充导致特征畸变
正确做法 ：
空间变换类（旋转 / 裁剪）与颜色变换类（亮度 / 对比度）分开配置
对关键点检测任务避免使用镜像翻转

建议初始值：
CNN：0.001~0.01
Transformer：0.0001~0.001
观察训练曲线：
损失震荡→调小学习率
下降过慢→适当增大

降低 batch_size（如 64→32）

使用梯度累积：

for i, data in enumerate(dataloader):
    inputs, labels = data
    outputs = model(inputs)
    loss = criterion(outputs, labels)
    loss.backward()

    if (i+1) % 4 == 0:  # 每 4 个 batch 更新一次
        optimizer.step()
        optimizer.zero_grad()