BP神经网络与CNN实战对比：如何为你的图像识别任务选择最佳模型

1次阅读

共计 1712 个字符，预计需要花费 5 分钟才能阅读完成。

在早期图像识别任务中，全连接 BP（Back Propagation）神经网络面临两大核心问题：

参数量爆炸 ：处理 28×28 的 MNIST 图片时，输入层到第一个隐藏层（假设 512 节点）的权重数就达 28×28×512=401,408。这种 O(n²) 的增长导致模型训练效率低下且易过拟合。
平移不变性缺失：当图像中的数字位置偏移时，BP 网络需要重新学习特征。例如数字 ”5″ 出现在左上角与右下角会被视为完全不同特征，违背视觉任务的本质特性。

卷积神经网络（CNN, Convolutional Neural Network）通过以下结构天然解决上述问题：

卷积层（Conv2d）：3×3 的卷积核在整张图片上滑动计算，共享参数使参数量降至 9×输入通道数×输出通道数。例如 32 通道的 3 ×3 卷积仅需 288 个权重。
池化层（MaxPool2d）：2×2 最大池化将特征图尺寸减半，既降低计算量又增强位置鲁棒性。

import torch
from torchvision import transforms

train_transform = transforms.Compose([transforms.RandomRotation(10),  # 数据增强：随机旋转
    transforms.ToTensor(),
    transforms.Normalize((0.1307,), (0.3081,))  # MNIST 均值标准差
])

# BP 网络
class BPNet(nn.Module):
    def __init__(self):
        super().__init__()
        self.fc1 = nn.Linear(784, 512)
        self.fc2 = nn.Linear(512, 10)

    def forward(self, x):
        x = x.view(-1, 784)  # 展平图像
        x = torch.relu(self.fc1(x))
        return self.fc2(x)

# CNN 网络
class CNN(nn.Module):
    def __init__(self):
        super().__init__()
        self.conv1 = nn.Conv2d(1, 32, 3, padding=1)
        self.pool = nn.MaxPool2d(2, 2)
        self.fc = nn.Linear(32*14*14, 10)

    def forward(self, x):
        x = self.pool(torch.relu(self.conv1(x)))  # 特征图尺寸 28->14
        x = x.view(-1, 32*14*14)
        return self.fc(x)

def train(model, device, train_loader, optimizer, epoch):
    model.train()
    for data, target in train_loader:
        data, target = data.to(device), target.to(device)
        optimizer.zero_grad()
        output = model(data)
        loss = F.cross_entropy(output, target)
        loss.backward()
        optimizer.step()

# 早停判断逻辑
if val_loss > best_loss * 1.005:  # 容忍 0.5% 的波动
    patience_counter += 1