3×3卷积网络的数学表示：从原理到代码实现的全方位解析

1次阅读

共计 1608 个字符，预计需要花费 5 分钟才能阅读完成。

卷积神经网络（Convolutional Neural Network, CNN）是深度学习领域的重要模型，尤其在计算机视觉任务中表现出色。CNN 通过局部感受野和权值共享大大减少了模型的参数量，使其能够高效处理图像数据。而 3×3 卷积核作为 CNN 中最常用的卷积核尺寸之一，具有计算效率高、感受野叠加效果好等优点。

在离散情况下，对于输入图像 I 和卷积核 K，卷积运算可表示为：

$$ S(i,j) = (I * K)(i,j) = \sum_{m} \sum_{n} I(i+m,j+n)K(m,n) $$

对于 3×3 卷积核，m 和 n 的取值范围都是 - 1 到 1。

步长（Stride）：控制卷积核移动的步幅。步长为 1 时，卷积核每次移动 1 个像素；步长为 2 时，每次移动 2 个像素。
填充（Padding）：在图像边界周围添加 0 值像素，保持输出尺寸。常见的有：
有效填充（Valid）：不填充，输出尺寸会缩小
相同填充（Same）：填充使输出尺寸与输入相同

以下是使用 NumPy 实现 3×3 卷积的完整代码：

import numpy as np

def conv2d(image, kernel, stride=1, padding='valid'):
    """
    实现 2D 卷积运算
    :param image: 输入图像（H,W,C）:param kernel: 卷积核（Kh,Kw,C）:param stride: 步长
    :param padding: 填充方式（'valid' 或 'same'）:return: 卷积结果
    """
    # 获取输入和卷积核的形状
    H, W, C = image.shape
    Kh, Kw, _ = kernel.shape

    # 计算填充量
    if padding == 'same':
        pad_h = (Kh - 1) // 2
        pad_w = (Kw - 1) // 2
        image_padded = np.pad(image, ((pad_h, pad_h), (pad_w, pad_w), (0, 0)), 'constant')
    else:
        image_padded = image

    # 计算输出尺寸
    H_out = (H + 2*pad_h - Kh) // stride + 1
    W_out = (W + 2*pad_w - Kw) // stride + 1

    # 初始化输出
    output = np.zeros((H_out, W_out))

    # 执行卷积运算
    for i in range(0, H_out):
        for j in range(0, W_out):
            # 获取当前感受野
            h_start = i * stride
            w_start = j * stride
            h_end = h_start + Kh
            w_end = w_start + Kw

            # 提取当前区域并计算点积
            region = image_padded[h_start:h_end, w_start:w_end, :]
            output[i, j] = np.sum(region * kernel)

    return output