CNN基础网络结构详解：从LeNet到ResNet的演进与实践

1次阅读

没有评论

共计 2139 个字符，预计需要花费 6 分钟才能阅读完成。

卷积神经网络（CNN）是计算机视觉领域的基石，其核心思想是通过局部连接和权值共享高效提取图像特征。理解 CNN 的三个基本组件是入门的关键：

卷积层：用滤波器（kernel）扫描输入，通过局部感受野捕获空间特征。例如 3 ×3 卷积核可提取边缘、纹理等基础模式。
池化层（如 MaxPooling）：降低空间维度，增强平移不变性。常用 2 ×2 窗口配合步长 2 实现特征图尺寸减半。
全连接层：将高级特征映射到输出空间，通常在网络末端使用。

这些组件的堆叠形成了层次化特征提取的流水线——浅层网络捕捉简单特征（如边缘），深层网络组合出复杂语义（如物体部件）。

首个成功应用的 CNN，用于手写数字识别
结构：卷积层（5×5）→池化层→卷积层（5×5）→池化层→全连接层
特点：仅 5 层深，使用 tanh 激活函数，参数量约 60k

ImageNet 竞赛冠军，推动深度学习复兴
关键创新：
ReLU 激活函数缓解梯度消失
重叠最大池化（3×3 窗口，步长 2）
Dropout 层抑制过拟合（比例 0.5）
参数量约 60M，使用 GPU 训练

核心思想：堆叠小卷积核（3×3）替代大核
常见变体：VGG16（13 卷积层 + 3 全连接）
优势：
更深的网络提升特征表达能力
小卷积核减少参数量（如两层 3 ×3 等效于一层 5 ×5，但参数量更少）
结构规整易于扩展

解决深度网络梯度消失问题
核心组件：残差块（Residual Block）
引入跨层连接：F(x) + x
允许梯度直接回传至浅层
典型结构：ResNet50 含 49 卷积层 + 1 全连接层

以下是一个包含卷积、池化、全连接层的简易 CNN 实现（基于 CIFAR-10 分类任务）：

import torch
import torch.nn as nn

class SimpleCNN(nn.Module):
    def __init__(self):
        super(SimpleCNN, self).__init__()
        # 卷积层组
        self.features = nn.Sequential(nn.Conv2d(3, 32, kernel_size=3, padding=1),  # 输入 3 通道，输出 32 通道
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=2, stride=2),       # 尺寸减半

            nn.Conv2d(32, 64, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=2, stride=2),
        )

        # 全连接层
        self.classifier = nn.Sequential(nn.Linear(64 * 8 * 8, 512),  # CIFAR-10 经两次池化后为 8x8
            nn.ReLU(inplace=True),
            nn.Dropout(p=0.5),
            nn.Linear(512, 10)           # 输出 10 分类
        )

    def forward(self, x):
        x = self.features(x)
        x = torch.flatten(x, 1)          # 展平多维特征图
        x = self.classifier(x)
        return x

关键实现细节：
– nn.Sequential封装层级结构
– inplace=True节省 ReLU 激活内存
– 卷积后立即接激活函数
– 全连接前需 flatten 多维特征

网络	参数量	FLOPs	适用场景
LeNet	~60K	0.3M	简单分类（如 MNIST）
AlexNet	60M	720M	中等规模图像分类
VGG16	138M	15.5B	需要高精度的任务
ResNet50	25.5M	3.9B	深度特征提取 / 迁移学习