CNN简单理解+PyTorch示例实现

简介

卷积神经网络（CNN）是常用的神经网络之一，主要用来处理图像数据，但是近来随着对于CNN的创新，也有使用CNN处理文本信息，语音信息的相关工作，这里简单介绍一下自己学习过程中的理解。

相关概念

Feature Map 和 Channel

图像在CNN中的存在形式，可以认为是Feature Map（特征图）的叠加组合。如果图片是灰度图，那么图片的维度为 1*N*N，其中N为图片的高和宽，灰度图只有一个Feature Map，即Channel=1；如果图片是彩色图片，那么图片的维度为3*N*N，代表彩色图片有三个Feature Map，即Channel=3，分别是RGB通道。

卷积核：

卷积核（Kernel），也称过滤器（Filter），是CNN中用来对图像进行特征提取。每个卷积核具有高、宽、深三个属性，其中高和宽代表卷积核的大小，通常情况下高宽相等（常设置为3*3,5*5等），深是由上一层的输入来决定，卷积核的深就是上一层传入的Feature Map的个数，所以只需要指定卷积核的长宽即可。

每层卷积层可以设置多个卷积核，有几个卷积核，就会输出几个Feature Map。

卷积核运算过程：

 

以上图为例，我们的原始输入图片是6*6的彩色图片，所以其维度为3*6*6（通道数*高*宽），我们使用一个卷积核，卷积核的高宽为3，因为输入图片的Channel为3，所以卷积核的深度为3 。卷积核的深度和输入图片的Channel一一对应，也就是说卷积核中深度1st提取Channel 1st的特征（对应到图片中，第一个黄色的卷积核提取图片红色通道的特征，以此类推），之后将三张新得到的Feature Map进行算术求和，得到一张Feature Map，也就是等式右边的4*4矩阵（关于输出的矩阵大小，下面进行介绍）。

所以，无论输入的图片的Channel是多少，经过一个卷积核的操作之后，都会得到一张深度为1的Feature Map，在卷积层中设置多少个Filter，卷积层输出的Feature Map的深度就是多少。

在实际过程中，我们设置多个不同的卷积核，来提取图像中的特征，是因为对于一张图片，我们希望得到多个角度上的描述（比如图片的背景&#