卷积神经网络 CNN 超详细学习笔记

一、图像基础入门

1. 图像像素原理

• 图像由无数像素点组成
• 像素取值范围：0 ~ 255
• 像素越靠近 0 越黑，越靠近 255 越白

2. 彩色图像结构

• 彩色图由 R、G、B 三通道构成
• 图像标准格式：H（高）× W（宽）× C（通道）

3. Python 图像操作

• plt.imread() 读取图片
• plt.imshow() 展示图片
• 可快速生成全黑、全白测试画布

---

二、卷积神经网络 CNN 整体介绍

1. 什么是CNN

卷积神经网络（CNN）是专门处理图像的神经网络，靠卷积结构自动提取图像特征。

2. CNN 四大核心层

1. 卷积层：提取边缘、纹理、局部特征
2. 激活层：引入非线性，常用 ReLU
3. 池化层：降维、缩小尺寸、减少计算量
4. 全连接层：整合特征，输出分类结果

---

三、卷积层详解

1. 卷积运算原理

用卷积核（过滤器）在图像上滑动，和局部像素做点积求和，生成新的特征图。

2 两个关键参数

Padding 填充

• 在图像边缘补 0 像素
• 作用：防止边缘特征丢失，可保持输出尺寸不变

Stride 步长

• 卷积核每次滑动的像素距离
• 步长越大，特征图尺寸越小

3 多通道 / 多卷积核

• 彩色图 3通道 匹配 3通道卷积核
• 一个卷积核输出一张特征图
• 多个卷积核输出多张特征图

4 特征图尺寸公式

\[N = \frac{W - F + 2P}{S} + 1 \]

• W：输入尺寸
• F：卷积核大小
• P：填充
• S：步长

5 PyTorch 卷积API

nn.Conv2d(in_channels, out_channels, kernel_size, stride, padding)

• in_channels：输入通道数
• out_channels：卷积核个数/输出通道
• kernel_size：卷积核大小（常用3×3）

---

四、池化层详解

1. 池化作用

• 特征图下采样降维
• 减少参数量、降低计算开销
• 保留主要特征，弱化噪声

2 两种池化方式

1. 最大池化：取区域最大值，保留边缘纹理，最常用
2. 平均池化：取区域平均值，特征更平滑

3 多通道池化特点

池化对每个通道单独计算，输出通道数和输入保持一致。

4 PyTorch 池化API

# 最大池化
nn.MaxPool2d(kernel_size, stride, padding)
# 平均池化
nn.AvgPool2d(kernel_size, stride, padding)

---

五、CIFAR10 图像分类实战

1 数据集介绍

• 训练集：50000 张
• 测试集：10000 张
• 图片大小：32×32×3
• 共 10 个分类：飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船、卡车

2 标准CNN网络结构

1. 卷积层 + ReLU + 最大池化
2. 再一层卷积 + ReLU + 最大池化
3. 三层全连接层，最后输出10分类

3 完整开发流程

1. 加载 CIFAR10 数据集
2. 搭建 CNN 网络模型
3. 选择：交叉熵损失 + Adam 优化器
4. 循环训练、更新参数
5. 保存模型、测试集评估准确率

4 实验结果

• 基础网络测试准确率约 57%

5 模型优化方向

• 增加卷积核数量
• 加深网络层数
• 调整学习率、更换优化器
• 增加正则化、数据增强等

---

六、学习总结

1. 图像由 0~255 像素、RGB 三通道组成；
2. CNN 核心：卷积提取特征 + 池化降维 + 全连接分类；
3. 卷积靠 Padding 保边缘、Stride 控尺寸，套公式可计算特征图大小；
4. 最大池化适合图像任务，平均池化适合平滑场景；
5. 掌握 CIFAR10 实战，就具备基础CNN图像分类开发能力。