深入解析卷积神经网络（CNN）：从卷积层、池化层到全连接层的计算原理与实现

1次阅读

共计 1534 个字符，预计需要花费 4 分钟才能阅读完成。

卷积神经网络（CNN）是深度学习领域中最成功的架构之一，尤其在计算机视觉任务中表现突出。它的核心优势在于能够自动从原始像素中学习到层次化的特征表示，从而避免了传统方法中手工设计特征的繁琐过程。CNN 通过局部连接、权值共享和空间下采样等机制，大幅减少了网络参数数量，提高了模型的泛化能力。

卷积层是 CNN 的核心组件，它通过卷积核（filter）在输入数据上进行滑动窗口计算，提取局部特征。数学表达式为：

S(i,j) = (I * K)(i,j) = ∑∑ I(m,n)K(i-m,j-n)

其中 I 是输入，K 是卷积核，* 表示卷积操作。

池化层的主要作用是降低特征图的空间尺寸，增加模型的平移不变性。最常见的最大池化操作可以表示为：

P(i,j) = max(I(k,l))，其中(k,l) ∈ R(i,j)

R(i,j)表示以 (i,j) 为中心的池化区域。

全连接层将前面层提取的特征进行整合，完成最终的分类或回归任务。其计算可以表示为：

y = σ(Wx + b)

其中 W 是权重矩阵，x 是输入向量，b 是偏置，σ 是激活函数。

import numpy as np

def conv2d(input, kernel, stride=1, padding=0):
    """
    2D 卷积实现
    :param input: 输入数据，形状为(C,H,W)
    :param kernel: 卷积核，形状为(F,C,KH,KW)
    :param stride: 步长
    :param padding: 补零数量
    :return: 卷积结果
    """
    # 添加 padding
    if padding > 0:
        input = np.pad(input, [(0,0), (padding,padding), (padding,padding)])

    C, H, W = input.shape
    F, _, KH, KW = kernel.shape

    # 计算输出尺寸
    out_h = (H - KH) // stride + 1
    out_w = (W - KW) // stride + 1

    output = np.zeros((F, out_h, out_w))

    # 执行卷积运算
    for f in range(F):
        for i in range(0, out_h):
            for j in range(0, out_w):
                h_start = i * stride
                w_start = j * stride
                h_end = h_start + KH
                w_end = w_start + KW

                # 获取当前窗口并计算点积
                window = input[:, h_start:h_end, w_start:w_end]
                output[f,i,j] = np.sum(window * kernel[f])

    return output