CNN卷积神经网络结构框图详解：从原理到中文实践指南

1次阅读

没有评论

共计 1915 个字符，预计需要花费 5 分钟才能阅读完成。

刚开始接触深度学习时，面对 CNN 的结构图总有种无从下手的感觉。那些抽象的卷积核、池化操作、特征图维度变化，看教材时好像懂了，但一到自己动手实现就蒙圈。特别是一些英文资料里的专业术语，更是增加了理解门槛。

传统神经网络（如 MLP）在处理图像时会遇到两个致命问题：

参数量爆炸：一张 100×100 的图片展开成全连接层输入，光是第一层就可能产生上百万参数
忽略局部特征：把像素打平后输入，完全丢失了图像的空间结构信息

而 CNN 通过三个核心设计完美解决这些问题：

局部感受野：卷积核只在局部小区域滑动
参数共享：同一个卷积核扫描整张图片
下采样：池化层逐步降低分辨率

输入层(1x28x28) 
↓
卷积层 C1(6@24x24)  # 使用 6 个 5x5 卷积核，步长 1
↓
池化层 S2(6@12x12)  # 2x2 最大池化，步长 2
↓
卷积层 C3(16@8x8)   # 16 个 5x5 卷积核
↓
池化层 S4(16@4x4)   # 2x2 最大池化
↓
全连接层(120) → (84) → (10)  # 最终输出 10 分类

import torch
import torch.nn as nn

class LeNet(nn.Module):
    def __init__(self):
        super().__init__()
        # 特征提取部分
        self.features = nn.Sequential(nn.Conv2d(1, 6, 5),  # 输入 1 通道，输出 6 通道，5x5 卷积
            nn.ReLU(),          # 激活函数
            nn.MaxPool2d(2),    # 2x2 最大池化
            nn.Conv2d(6, 16, 5),
            nn.ReLU(),
            nn.MaxPool2d(2)
        )
        # 分类器部分
        self.classifier = nn.Sequential(nn.Linear(16*4*4, 120),  # 注意维度计算
            nn.ReLU(),
            nn.Linear(120, 84),
            nn.ReLU(),
            nn.Linear(84, 10)
        )

    def forward(self, x):
        x = self.features(x)      # 通过卷积层提取特征
        x = torch.flatten(x, 1)   # 展平特征图
        x = self.classifier(x)    # 通过全连接层分类
        return x

安装可视化工具包：

pip install torchsummary torchviz

查看网络结构：

from torchsummary import summary
model = LeNet()
summary(model, (1, 28, 28))  # 输入尺寸

可视化特征图示例代码：

import matplotlib.pyplot as plt

# 获取第一层卷积输出
conv1 = model.features[0]
feature_maps = conv1(input_image)

# 绘制前 6 个通道的特征图
plt.figure(figsize=(10,5))
for i in range(6):
    plt.subplot(2,3,i+1)
    plt.imshow(feature_maps[0,i].detach().numpy(), cmap='gray')
plt.show()