PyTorch实现LeNet CNN：从MNIST识别到原理剖析

1. LeNet风格CNN实现：从理论到PyTorch实战

在计算机视觉领域，卷积神经网络（CNN）已经成为图像识别任务的标准解决方案。1998年Yann LeCun团队提出的LeNet-5架构，作为首个成功应用于手写数字识别的CNN模型，其核心设计理念至今仍影响着现代深度学习架构。本节将基于PyTorch框架，完整实现一个适配MNIST数据集的LeNet风格CNN，并详细解析每个组件的工程实现细节。

1.1 环境配置与数据准备

在开始构建CNN之前，我们需要确保开发环境配置正确，并理解数据预处理的关键步骤。MNIST数据集包含70,000张28×28像素的手写数字灰度图像，其中60,000张用于训练，10,000张用于测试。每张图像的像素值范围在0到255之间，对应0-9共10个数字类别。

关键提示：数据预处理中的归一化操作（减去均值0.1307，除以标准差0.3081）对于训练稳定性至关重要。这些统计值是MNIST数据集的官方计算结果，使用它们可以确保输入数据分布在适合神经网络处理的范围内。

以下是完整的PyTorch数据加载和预处理代码：

python复制import torch
import torchvision
from torchvision import transforms
from torch.utils.data import DataLoader

# 数据预处理流程
transform = transforms.Compose([
    transforms.ToTensor(),  # 转换为张量并归一化到[0,1]
    transforms.Normalize((0.1307,), (0.3081,))  # MNIST标准化
])

# 加载训练集和测试集
train_dataset = torchvision.datasets.MNIST(
    root='./data', train=True, download=True, transform=transform)
test_dataset = torchvision.datasets.MNIST(
    root='./data', train=False, download=True, transform=transform)

# 创建数据加载器
train_loader = DataLoader(train_dataset, batch_size=64, shuffle=True)
test_loader = DataLoader(test_dataset, batch_size=64, shuffle=False)

1.2 LeNet网络架构详解

我们实现的LeNet风格CNN包含两个卷积层、两个池化层和三个全连接层。与原始LeNet-5相比，主要做了以下适配调整：

1. 输入尺寸从32×32调整为28×28以匹配MNIST图像
2. 使用ReLU激活函数替代原始的sigmoid，缓解梯度消失问题
3. 采用现代PyTorch API实现，确保代码简洁高效

网络的前向传播过程可以分为两个主要阶段：特征提取（卷积模块）和分类（全连接模块）。以下是完整的网络定义：

python复制import torch.nn as nn

class LeNet(nn.Module):
    def __init__(self):
        super(LeNet, self).__init__()
        # 特征提取模块
        self.conv_block = nn.Sequential(
            nn.Conv2d(1, 6, kernel_size=5, stride=1),  # 1×28×28 → 6×24×24
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=2, stride=2),     # 6×24×24 → 6×12×12
            nn.Conv2d(6, 16, kernel_size=5, stride=1), # 6×12×12 → 16×8×8
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=2, stride=2)      # 16×8×8 → 16×4×4
        )
        # 分类模块
        self.fc_block = nn.Sequential(
            nn.Flatten(),