第8课：卷积操作原理

📖 本课概述

卷积神经网络(CNN)是计算机视觉的基石。本课从卷积的数学定义出发，理解卷积核、步长、填充等核心概念，并用PyTorch验证。

🔍 一、卷积的数学定义

1.1 连续卷积

1.2 离散卷积（互相关）

📐 二、卷积的关键参数

2.1 PyTorch验证卷积操作

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

# 卷积操作详解
print("=== 卷积参数计算 ===")
# 输入1×5×5，3×3卷积核
x = torch.arange(25, dtype=torch.float32).reshape(1, 1, 5, 5)
print(f"输入张量: shape={x.shape}")
print(x.reshape(5, 5))

# 基本卷积
conv = nn.Conv2d(1, 1, kernel_size=3, bias=False)
with torch.no_grad():
    conv.weight[:] = torch.ones(1, 1, 3, 3) / 9  # 均值滤波器
out = conv(x)
print(f"\n3×3卷积(无padding): 输出shape={out.shape}")
print(out.reshape(3, 3).detach())

# 带padding
conv_pad = nn.Conv2d(1, 1, kernel_size=3, padding=1, bias=False)
with torch.no_grad():
    conv_pad.weight[:] = torch.ones(1, 1, 3, 3) / 9
out_pad = conv_pad(x)
print(f"\n3×3卷积(padding=1): 输出shape={out_pad.shape}")

# 带stride
conv_stride = nn.Conv2d(1, 1, kernel_size=3, stride=2, bias=False)
with torch.no_grad():
    conv_stride.weight[:] = torch.ones(1, 1, 3, 3) / 9
out_stride = conv_stride(x)
print(f"3×3卷积(stride=2): 输出shape={out_stride.shape}")

# 多通道卷积
x_rgb = torch.randn(1, 3, 32, 32)
conv_multi = nn.Conv2d(3, 16, kernel_size=3, padding=1)
out_multi = conv_multi(x_rgb)
print(f"\n3通道→16通道 3×3卷积: {x_rgb.shape} → {out_multi.shape}")
print(f"参数量: 3×16×3×3 + 16 = {3*16*3*3 + 16}")

# 输出尺寸公式验证
print("\n=== 输出尺寸公式验证 ===")
formulas = [
    ("7×7, k=3, s=1, p=0", 7, 3, 1, 0),
    ("7×7, k=3, s=1, p=1", 7, 3, 1, 1),
    ("7×7, k=3, s=2, p=0", 7, 3, 2, 0),
    ("7×7, k=3, s=2, p=1", 7, 3, 2, 1),
    ("32×32, k=5, s=1, p=2", 32, 5, 1, 2),
]
for desc, inp, k, s, p in formulas:
    out_size = (inp + 2*p - k) // s + 1
    actual = nn.Conv2d(1, 1, k, s, p)(torch.randn(1, 1, inp, inp)).shape[-1]
    print(f"{desc}: 公式={out_size}, 实际={actual}, {'✓' if out_size==actual else '✗'}")

🔬 三、卷积的深入理解

3.1 卷积 vs 全连接

一个3×3卷积核只有9个参数，但能在整张图上滑动检测同一模式——这就是权重共享的威力。

3.2 感受野计算

3.3 分组卷积与深度可分离卷积

📖 四、延伸阅读

📝 练习

💡 五、卷积的工程实践

5.1 卷积参数选择指南

5.2 特征图尺寸变化追踪

在构建CNN时，追踪每一层的特征图尺寸至关重要。常见错误：

• 尺寸不匹配导致拼接/跳跃连接失败
• 多次降采样后特征图太小
• 转置卷积输出尺寸计算错误

🔬 深度拓展：从理论到实践

核心概念网络

理解本课内容需要将其置于更大的知识网络中。每个核心概念都不是孤立的，它们相互关联、相互支撑：

• 数学基础：线性代数、微积分、概率论是理解所有深度学习算法的根基
• 计算基础：自动微分、GPU并行计算让理论变为现实
• 工程基础：数据处理、模型设计、训练技巧的有机结合
• 领域知识：CV、NLP、语音等领域的先验知识指导模型设计

关键洞察与直觉

建立正确的直觉比记住公式更重要：

与其他课程的关联

本课作为CNN阶段的核心内容，与前后课程紧密关联：

面试常见问题

进阶学习路径

掌握本课内容后，可以通过以下方式继续深入：

• 阅读本课相关的一手论文，理解原始动机和推导
• 复现论文的实验结果，验证自己的理解
• 尝试改进方法，思考为什么现有方法有局限
• 在真实项目或Kaggle竞赛中应用
• 关注该方向的最新进展（arXiv、顶级会议）

📐 补充：知识体系梳理

核心公式速查

将本课涉及的关键公式整理如下，方便回顾和记忆。理解每个公式背后的直觉比死记硬背更重要——试着用自然语言解释每个公式在做什么。

易混淆概念辨析

代码模板

以下是本课核心概念的标准PyTorch实现模板，可以直接用于实际项目：

• 定义模型时，继承nn.Module，实现__init__和forward
• 训练循环：zero_grad → forward → loss → backward → step
• 验证时使用model.eval()和torch.no_grad()
• 保存模型用torch.save(model.state_dict())
• 加载模型用model.load_state_dict(torch.load())