卷积神经网络入门实战：从6.5.1卷积层到6.5.3全连接层的完整实现指南

1次阅读

共计 1999 个字符，预计需要花费 5 分钟才能阅读完成。

卷积神经网络（CNN）在计算机视觉领域几乎无处不在。从人脸识别到自动驾驶，CNN 通过其独特的结构能够有效捕捉图像的局部特征。但对于刚入门的新手来说，实现一个完整的 CNN 往往会遇到几个典型问题：

不知道如何设置卷积核大小（kernel_size）和步长（stride）
对 padding 方式（如 ’same’ 或 ’valid’）的选择感到困惑
不理解特征图尺寸如何随着网络深度变化
难以平衡模型复杂度和计算资源消耗

下面我们就从最基础的卷积层开始，一步步构建完整的 CNN 实现。

卷积层是 CNN 的核心组件，PyTorch 中通过 nn.Conv2d 实现。我们先看一个最简单的单通道卷积示例：

import torch
import torch.nn as nn

# 输入：1 张 1 通道的 5x5 图像
input = torch.randn(1, 1, 5, 5)  # (batch_size, in_channels, height, width)

# 定义卷积层：1 输入通道，1 输出通道，3x3 卷积核
conv = nn.Conv2d(in_channels=1, out_channels=1, kernel_size=3, stride=1, padding=0)

output = conv(input)
print(output.shape)  # torch.Size([1, 1, 3, 3])

关键参数说明：

kernel_size=3：使用 3 ×3 的卷积核
stride=1：每次移动 1 个像素
padding=0：不使用边缘填充

输出尺寸计算公式：

$$
\text{output_size} = \left\lfloor\frac{\text{input_size} – \text{kernel_size} + 2\times\text{padding}}{\text{stride}}\right\rfloor + 1
$$

常见错误：

忘记输入数据需要 4 维张量（batch, channel, height, width）
padding 设置不合理导致输出尺寸为负数
没有初始化卷积核权重（PyTorch 会自动初始化）

池化层用于降低特征图的空间维度，最常见的两种池化方式是最大池化和平均池化：

# 最大池化示例
max_pool = nn.MaxPool2d(kernel_size=2, stride=2)
output_max = max_pool(output)
print(output_max.shape)  # torch.Size([1, 1, 1, 1])

# 平均池化示例
avg_pool = nn.AvgPool2d(kernel_size=2, stride=2)
output_avg = avg_pool(output)
print(output_avg.shape)  # torch.Size([1, 1, 1, 1])

池化层特点：

不包含可训练参数
通常 stride 等于 kernel_size 以避免重叠
最大池化能保留显著特征，平均池化更平滑

全连接层通常放在 CNN 的最后几层，需要先将多维特征展平：

# 展平操作
flatten = nn.Flatten()
flat_output = flatten(output_avg)
print(flat_output.shape)  # torch.Size([1, 1])

# 全连接层
fc = nn.Linear(in_features=1, out_features=10)
final_output = fc(flat_output)
print(final_output.shape)  # torch.Size([1, 10])

全连接层的注意事项：