从AlexNet到LeNet：卷积神经网络模型搭建实战与性能优化指南

共计 2265 个字符，预计需要花费 6 分钟才能阅读完成。

背景介绍

卷积神经网络（CNN）是计算机视觉领域的基石技术，从图像分类到目标检测，CNN 在多个任务上展现出强大的特征提取能力。对于初学者而言，理解并实现经典 CNN 模型是掌握深度学习的重要一步。AlexNet 和 LeNet 作为 CNN 发展历程中的两个里程碑模型，分别代表了不同时期的技术突破。本文将带您从零开始搭建这两个模型，并分享实战中的优化技巧。

模型对比：AlexNet 与 LeNet

1. LeNet-5（1998 年）
2. 首个成功应用于手写数字识别的 CNN
3. 结构简单：2 个卷积层 + 3 个全连接层
4. 使用 tanh 激活函数和平均池化

5. 参数量约 60k，适合简单分类任务

6. AlexNet（2012 年）

7. ImageNet 竞赛冠军，推动深度学习复兴
8. 更深结构：5 个卷积层 + 3 个全连接层
9. 引入 ReLU 激活、Dropout 和最大池化

10. 使用 GPU 并行训练，参数量约 60M

11. 适用场景选择

12. LeNet：MNIST 等简单图像分类
13. AlexNet：中等复杂度的图像分类任务

实战：PyTorch 实现

LeNet 实现

import torch
import torch.nn as nn

class LeNet(nn.Module):
    def __init__(self):
        super(LeNet, self).__init__()
        self.conv1 = nn.Conv2d(1, 6, 5)  # 输入 1 通道，输出 6 通道，5x5 卷积核
        self.pool = nn.AvgPool2d(2, 2)   # 2x2 平均池化
        self.conv2 = nn.Conv2d(6, 16, 5)
        self.fc1 = nn.Linear(16*4*4, 120)  # 全连接层
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

    def forward(self, x):
        x = self.pool(torch.tanh(self.conv1(x)))
        x = self.pool(torch.tanh(self.conv2(x)))
        x = x.view(-1, 16*4*4)  # 展平
        x = torch.tanh(self.fc1(x))
        x = torch.tanh(self.fc2(x))
        x = self.fc3(x)
        return x

AlexNet 实现（简化版）

class AlexNet(nn.Module):
    def __init__(self, num_classes=1000):
        super(AlexNet, self).__init__()
        self.features = nn.Sequential(nn.Conv2d(3, 64, kernel_size=11, stride=4, padding=2),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
            nn.Conv2d(64, 192, kernel_size=5, padding=2),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
            # 中间层省略...
        )
        self.classifier = nn.Sequential(nn.Dropout(),
            nn.Linear(256*6*6, 4096),
            nn.ReLU(inplace=True),
            nn.Dropout(),
            nn.Linear(4096, 4096),
            nn.ReLU(inplace=True),
            nn.Linear(4096, num_classes),
        )

    def forward(self, x):
        x = self.features(x)
        x = torch.flatten(x, 1)
        x = self.classifier(x)
        return x

性能优化技巧

1. 学习率调整

2. 使用学习率衰减策略：

   scheduler = torch.optim.lr_scheduler.StepLR(optimizer, step_size=30, gamma=0.1)

3. 正则化方法

4. L2 正则化（权重衰减）：

   optimizer = torch.optim.SGD(model.parameters(), lr=0.01, weight_decay=1e-4)

5. Dropout 层防止过拟合

6. GPU 加速

   device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
   model = model.to(device)

常见问题解决方案

1. 梯度消失
2. 使用 ReLU 等非饱和激活函数

3. 添加 BatchNorm 层

4. 过拟合

5. 增加数据增强

   transform_train = transforms.Compose([transforms.RandomHorizontalFlip(),
       transforms.RandomRotation(10),
       transforms.ToTensor(),])

6. 早停法（Early Stopping）

7. 训练震荡

8. 使用更大的 batch size
9. 尝试不同的优化器（如 Adam）

延伸思考

1. 模型结构调整方向
2. 对于小数据集：减少卷积核数量 / 全连接层神经元

3. 对于高分辨率图像：增加卷积层深度

4. 现代改进技巧

5. 将全连接层替换为全局平均池化

6. 添加残差连接

7. 部署优化

8. 使用 ONNX 格式导出模型
9. 量化为 INT8 减少推理耗时

结语

通过本文的实践，我们不仅实现了两个经典 CNN 模型，更重要的是理解了模型设计背后的思想。建议读者在 MNIST 和 CIFAR-10 数据集上分别尝试这两个模型，观察它们在简单和中等复杂度任务上的表现差异。在实际项目中，通常需要根据数据规模和计算资源，在模型复杂度和性能之间找到平衡点。