1. 卷积操作的本质理解
卷积神经网络(CNN)中的卷积操作,本质上是一种局部感受野的加权求和运算。想象你拿着一个手电筒在黑暗的房间里慢慢移动,每次只能照亮一小块区域——这就是卷积核在图像上滑动的直观比喻。
在实际操作中,我们用一个3x3或5x5的小矩阵(称为卷积核或滤波器)在输入图像上从左到右、从上到下逐步滑动。每次滑动时,计算卷积核与对应图像区域的元素乘积之和,得到输出特征图的一个像素值。这个过程的数学表达为:
code复制输出[i,j] = Σ(输入[i+m,j+n] * 核[m,n])
其中m,n在卷积核尺寸范围内变化。这种局部连接的方式大大减少了参数数量,同时保留了空间信息。
提示:初学者常犯的错误是混淆卷积核尺寸与步长(stride)的关系。当步长大于1时,输出特征图尺寸会按比例缩小。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 卷积核的三大核心参数
2.1 尺寸(size)选择
常见的卷积核尺寸有1x1、3x3、5x5等奇数尺寸。选择依据:
- 3x3是最平衡的选择:既能捕获局部特征,又保持较高的计算效率
- 1x1卷积常用于通道数的降维/升维
- 5x5及以上尺寸现在较少使用,通常可以用多个3x3卷积堆叠替代
2.2 通道(channel)匹配
输入特征图的通道数必须与卷积核的输入通道数一致。例如:
- 输入RGB图像(3通道)需要3通道的卷积核
- 前一层的64通道输出需要64输入通道的卷积核
2.3 数量(depth)决定
每个卷积层包含多个卷积核(也称为滤波器),每个核会产生一个输出通道。例如:
- 32个卷积核会产生32通道的输出特征图
- 这个参数直接影响模型的容量和计算量
3. 填充(padding)与步长(stride)的实战技巧
3.1 填充的两种主要模式
python复制# PyTorch中的padding参数示例
nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding='same') # 自动计算padding
nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=1) # 手动指定padding
- **Val
