2024年最新CNN基础——卷积神经网络的组成(2)

以图像分类任务为例，在下表所示卷积神经网络中，一般包含5种类型的网络层次结构：

| CNN层次结构 | 输出尺寸 | 作用 |

| — | — | — |

| 输入层 |

W1×H1×3

| 卷积网络的原始输入，可以是原始或预处理后的像素矩阵 |

| 卷积层 | W1×H1×K | 参数共享、局部连接，利用平移不变性从全局特征图提取局部特征 |

| 激活层 | W1×H1×K | 将卷积层的输出结果进行非线性映射 |

| 池化层 | W2×H2×K | 进一步筛选特征，可以有效减少后续网络层次所需的参数量 |

| 全连接层 | (W2 ) H2 ) K)× C | 将多维特征展平为2维特征，通常低维度特征对应任务的学习目标（类别或回归值） |

W1×H1×3对应原始图像或经过预处理的像素值矩阵，3对应RGB图像的通道;K表示卷积层中卷积核（滤波器）的个数;W2× H2 为池化后特征图的尺度，在全局池化中尺度对应1×1;（W2)H2)K）是将多维特征压缩到1维之后的大小，C对应的则是图像类别个数。

1 输入层

​ 输入层(Input Layer)通常是输入卷积神经网络的原始数据或经过预处理的数据，可以是图像识别领域中原始三维的多彩图像，也可以是音频识别领域中经过傅利叶变换的二维波形数据，甚至是自然语言处理中一维表示的句子向量。以图像分类任务为例，输入层输入的图像一般包含RGB三个通道，是一个由长宽分别为H和W组成的3维像素值矩阵H× W ×3，卷积网络会将输入层的数据传递到一系列卷积、池化等操作进行特征提取和转化，最终由全连接层对特征进行汇总和结果输出。根据计算能力、存储大小和模型结构的不同，卷积神经网络每次可以批量处理的图像个数不尽相同，若指定输入层接收到的图像个数为N，则输入层的输出数据为N×H×W×3。

2 卷积层

​ 卷积层(Convolution Layer)通常用作对输入层输入数据进行特征提取，通过卷积核矩阵对原始数据中隐含关联性的一种抽象。卷积操作原理上其实是对两张像素矩阵进行点乘求和的数学操作，其中一个矩阵为输入的数据矩阵，另一个矩阵则为卷积核（滤波器或特征矩阵），求得的结果表示为原始图像中提取的特定局部特征。下图表示卷积操作过程中的不同填充策略，上半部分采用零填充，下半部分采用有效卷积（舍弃不能完整运算的边缘部分）。 ​

卷积神将网络的计算公式为：

N=(W-F+2P)/S+1

其中N：输出大小

W：输入大小

F：卷积核大小

P：填充值的大小

S：步长大小

举例：

nn.Conv2d(in_channels=3,out_channels=96,kernel_size=12,stride=4,padding=2)

in_channels=3:表示的是输入的通道数，由于是RGB型的，所以通道数是3.

out_channels=96:表示的是输出的通道数，设定输出通道数的96（这个是可以根据自己的需要来设置的）

kernel_size=12:表示卷积核的大小是12x12的，也就是上面的 “F”, F=12

stride=4:表示的是步长为4，也就是上面的S, S=4

padding=2:表示的是填充值的大小为2，也就是上面的P, P=2

最后

不知道你们用的什么环境，我一般都是用的Python3.6环境和pycharm解释器，没有软件，或者没有资料，没人解答问题，都可以免费领取（包括今天的代码），过几天我还会做个视频教程出来，有需要也可以领取~

给大家准备的学习资料包括但不限于：

Python 环境、pycharm编辑器/永久激活/翻译插件

python 零基础视频教程

Python 界面开发实战教程

Python 爬虫实战教程

Python 数据分析实战教程

python 游戏开发实战教程

Python 电子书100本

Python 学习路线规划

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！