📌 一、卷积神经网络简介

卷积神经网络是一种专门处理 图像数据 的神经网络。与全连接网络不同，CNN 利用 卷积层（Convolution）和 池化层（Pooling） 提取图像特征，具有：

  • 局部感知（感受野小）
  • 参数共享（卷积核可复用）
  • 高效计算（远少于全连接层参数）

🔧 二、CNN 基本结构

组成模块作用
卷积层 Conv2d提取图像局部特征
激活函数 ReLU非线性映射
池化层 MaxPool降采样，压缩特征尺寸
全连接层 Linear用于分类、回归等决策输出

🖼️ 三、输入图像格式

PyTorch 中的图像数据 shape 通常为：

[batch_size, channels, height, width]

例如一张灰度图：[1, 1, 28, 28]，彩色图像（RGB）：[1, 3, 32, 32]

🛠️ 四、CNN 模型结构示例（用于 MNIST 分类）

import torch
import torch.nn as nn
import torch.nn.functional as F

class CNN(nn.Module):
    def __init__(self):
        super(CNN, self).__init__()
        self.conv1 = nn.Conv2d(in_channels=1, out_channels=16, kernel_size=5, stride=1, padding=2)  # 输出 16x28x28
        self.pool = nn.MaxPool2d(kernel_size=2, stride=2)  # 输出 16x14x14
        self.conv2 = nn.Conv2d(16, 32, 5, 1, 2)  # 输出 32x14x14
        self.fc1 = nn.Linear(32 * 7 * 7, 128)
        self.fc2 = nn.Linear(128, 10)  # MNIST 是 10 类

    def forward(self, x):
        x = self.pool(F.relu(self.conv1(x)))  # -> 16x14x14
        x = self.pool(F.relu(self.conv2(x)))  # -> 32x7x7
        x = x.view(-1, 32 * 7 * 7)            # 展平
        x = F.relu(self.fc1(x))
        x = self.fc2(x)
        return x

📊 五、使用 MNIST 训练 CNN（完整流程）

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

# 数据预处理
transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5,), (0.5,))
])

# 加载数据
trainset = torchvision.datasets.MNIST(root='./data', train=True, download=True, transform=transform)
trainloader = DataLoader(trainset, batch_size=64, shuffle=True)

testset = torchvision.datasets.MNIST(root='./data', train=False, download=True, transform=transform)
testloader = DataLoader(testset, batch_size=64, shuffle=False)

🎯 六、模型训练

model = CNN()
criterion = nn.CrossEntropyLoss()
optimizer = torch.optim.Adam(model.parameters(), lr=0.001)

# 训练
for epoch in range(5):
    for images, labels in trainloader:
        output = model(images)
        loss = criterion(output, labels)

        optimizer.zero_grad()
        loss.backward()
        optimizer.step()
    
    print(f"Epoch {epoch+1}, Loss: {loss.item():.4f}")

✅ 七、模型测试

correct = 0
total = 0
model.eval()  # 设置为评估模式

with torch.no_grad():
    for images, labels in testloader:
        outputs = model(images)
        _, predicted = torch.max(outputs.data, 1)
        total += labels.size(0)
        correct += (predicted == labels).sum().item()

print(f"测试准确率：{correct / total * 100:.2f}%")

💾 八、模型保存与加载

torch.save(model.state_dict(), 'cnn_mnist.pth')

# 加载
model.load_state_dict(torch.load('cnn_mnist.pth'))
model.eval()

📘 九、小结与拓展

组件描述
Conv2d卷积操作
MaxPool2d最大池化降采样
ReLU激活函数
Linear全连接层
view()reshape 展平层

🧪 十、挑战练习

  1. 修改卷积核尺寸、层数，观察准确率变化。
  2. 将数据集换成 CIFAR10（RGB 图像）。
  3. 使用 nn.Sequential 重构 CNN 模型。
  4. 加入 Dropout 层防止过拟合。