卷积神经网络内部参数详解

一、引言

什么是卷积神经网络？

卷积神经网络（Convolutional Neural Network，CNN）是一类主要用于处理具有网格结构数据的神经网络模型。它在计算机视觉和图像处理领域具有重要的应用，广泛用于图像分类、目标检测、图像生成等任务。

二、python代码展示

from torch import nn
#此行从 PyTorch 库中导入（神经网络）模块，该模块提供了用于构建神经网络的各种类和函数。
class CNN(nn.Module):
    def __init__(self):
        super(CNN,self).__init__()#此代码定义一个名为从该类继承的类。该方法是类的构造函数，用于初始化对象。
        self.conv1 = nn.Sequential(
            nn.Conv2d(
                in_channels=1,#输入通道
                out_channels=16,输出特征图
                kernel_size=5,#卷积核大小
                stride=1,#步长
                padding=2,#填充
            ),#一个 2D 卷积层，它接受具有 1 个通道的输入，产生 16 个输出通道，使用内核大小为 5x5、步幅为 1 和填充为 2。
            nn.ReLU(),#应用逐元素整流线性单元 （ReLU） 激活的激活函数。
            nn.MaxPool2d(kernel_size=2),#最大池化层，以 2 的步幅执行 2x2 池化操作。
        )#此代码定义了第一个卷积层。它是用于按顺序堆叠多个图层创建的。
        self.conv2 = nn.Sequential(
            nn.Conv2d(16,32,5,1,2),
            nn.ReLU(),
            nn.Conv2d(32,32,5,1,2),
            nn.ReLU(),
            nn.MaxPool2d(2),
        )#此代码定义了第二个卷积层。它遵循与输入和输出通道大小相似的结构，但具有不同的输入和输出通道大小。

        # self.conv3 = nn.Sequential(
        #     nn.Conv2d(32, 64, 5, 1, 2),
        #     nn.ReLU(),
        # )
        self.out=nn.Linear(32*7*7,10)
        #这一行定义了输出层，它是一个全连接（线性）层。它接受前面卷积层的平坦化输入（32 * 7 * 7）并生成一个大小为10的输出，与分类任务中的类别数匹配。

上面代码是输入通道为1，图片大小为（28，28）

如果改变为输入通道为3，图片大小为（256，256）那么可以参考下图：

从图中可以看出变化：

全连接层linear函数中的参数变化了