IT培训机构|91免费精品视频|专注编程培训|91免费精品|软件开发培训_91免费国产视频_华清远见教育

在計(jì)算機(jī)視覺和深度學(xué)習(xí)領(lǐng)域，卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks, CNN） 是一類深度學(xué)習(xí)算法，廣泛應(yīng)用于計(jì)算機(jī)視覺、自然語言處理、語音識別等領(lǐng)域。作為深度學(xué)習(xí)的重要組成部分，CNN的核心思想是通過模仿生物視覺皮層的工作原理，有效地提取和學(xué)習(xí)圖像或其他數(shù)據(jù)中的特征。

本文將帶你快速掌握 CNN 的核心概念，并通過 PyTorch 實(shí)現(xiàn)一個經(jīng)典的手寫數(shù)字分類模型（MNIST），助你快速入門！

一、 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)

首先需要了解神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識。神經(jīng)網(wǎng)絡(luò)由多個神經(jīng)元（或節(jié)點(diǎn)）組成，每個神經(jīng)元通過連接傳遞信息，類似于生物神經(jīng)系統(tǒng)的運(yùn)作方式。最簡單的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包括輸入層、隱藏層和輸出層。

· 輸入層：接受外部數(shù)據(jù)輸入。

· 隱藏層：通過加權(quán)計(jì)算輸入信號并進(jìn)行非線性變換。

· 輸出層：根據(jù)隱藏層的計(jì)算結(jié)果產(chǎn)生輸出。

CNN 是一種特殊的神經(jīng)網(wǎng)絡(luò)，它在傳統(tǒng)的全連接層基礎(chǔ)上引入了卷積層、池化層等層次結(jié)構(gòu)，專門設(shè)計(jì)用于處理具有格狀結(jié)構(gòu)的數(shù)據(jù)（如圖像）。

二、CNN 的核心組成結(jié)構(gòu)

1. 卷積層（Convolutional Layer）

· 使用可學(xué)習(xí)的卷積核（Filter）對輸入進(jìn)行滑動卷積操作，提取局部特征。

· 卷積操作的基本過程如下：

o 使用卷積核在輸入數(shù)據(jù)上滑動，通過點(diǎn)乘計(jì)算卷積結(jié)果。

o 通過滑動窗口將卷積核應(yīng)用于圖像的不同區(qū)域，從而提取局部特征（如邊緣、紋理等）。

o 結(jié)果稱為特征圖（Feature Map），是對輸入數(shù)據(jù)局部區(qū)域的提取。

· 卷積的主要作用是提取邊緣、紋理、形狀等局部結(jié)構(gòu)。

2. 池化層（Pooling Layer）

· 池化層用于減少數(shù)據(jù)的維度，從而降低計(jì)算復(fù)雜度并避免過擬合。最常用的池化方式有最大池化和平均池化。

o 最大池化：從池化窗口中選取最大的值作為輸出。

o 平均池化：從池化窗口中選取平均值作為輸出。

· 池化操作通過減少空間維度，使得CNN更具魯棒性，能夠識別圖像中的重要特征，而不受小的平移和變形影響。

3. 激活函數(shù)

激活函數(shù)的作用是引入非線性特征，使得網(wǎng)絡(luò)能夠逼近復(fù)雜的函數(shù)。CNN中常用的激活函數(shù)包括ReLU（Rectified Linear Unit）、Sigmoid和Tanh等。

· ReLU：最常用的激活函數(shù)，定義為：ReLU(x)=max(0,x)

ReLU 函數(shù)具有較好的非線性特性，且能夠避免梯度消失問題，因此廣泛應(yīng)用于現(xiàn)代深度神經(jīng)網(wǎng)絡(luò)中。

· 激活函數(shù)通過在卷積層和全連接層后進(jìn)行非線性變換，增加了網(wǎng)絡(luò)的表達(dá)能力。

4. 全連接層（Fully Connected Layer）

· 全連接層（Fully Connected Layer，簡稱FC）在CNN中通常位于網(wǎng)絡(luò)的最后部分，用于將卷積和池化操作提取到的特征映射到最終的類別標(biāo)簽。全連接層的每個神經(jīng)元都與上一層的所有神經(jīng)元相連，因此參數(shù)較多，計(jì)算量較大。

三、卷積神經(jīng)網(wǎng)絡(luò)的工作流程

CNN的工作流程可以簡要總結(jié)為以下幾個步驟：

1. 輸入圖像：圖像被輸入到CNN的輸入層。

2. 卷積層：卷積層使用卷積核對圖像進(jìn)行卷積操作，提取局部特征。

3. 池化層：池化層對卷積后的特征圖進(jìn)行下采樣，減少數(shù)據(jù)維度。

4. 激活函數(shù)：激活函數(shù)對每一層的輸出進(jìn)行非線性變換。

5. 全連接層：將提取到的特征映射到最終的類別標(biāo)簽。

6. 輸出層：網(wǎng)絡(luò)輸出分類結(jié)果或回歸預(yù)測。

四、卷積神經(jīng)網(wǎng)絡(luò)的工作流程

卷積輸出尺寸計(jì)算公式：

五、PyTorch 實(shí)現(xiàn)一個簡單的 CNN 分類模型

我們將使用 MNIST 數(shù)據(jù)集（10類手寫數(shù)字，圖像大小為 28×28）來訓(xùn)練和測試一個基本的卷積神經(jīng)網(wǎng)絡(luò)。

安裝依賴

pip install torch torchvision matplotlib

代碼示例

import torch

import torch.nn as nn

import torch.optim as optim

from torchvision import datasets, transforms

from torch.utils.data import DataLoader

# 設(shè)置運(yùn)行設(shè)備

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

# 數(shù)據(jù)預(yù)處理：轉(zhuǎn)為Tensor，并進(jìn)行歸一化

transform = transforms.Compose([

    transforms.ToTensor(),

    transforms.Normalize((0.1307,), (0.3081,))

])

# 加載 MNIST 數(shù)據(jù)集

train_dataset = datasets.MNIST(root='./data', train=True, transform=transform, download=True)

test_dataset  = datasets.MNIST(root='./data', train=False, transform=transform)

train_loader = DataLoader(train_dataset, batch_size=64, shuffle=True)

test_loader  = DataLoader(test_dataset, batch_size=1000, shuffle=False)

# 定義 CNN 模型

class SimpleCNN(nn.Module):

    def __init__(self):

        super(SimpleCNN, self).__init__()

        self.conv1 = nn.Conv2d(1, 10, kernel_size=5)

        self.pool  = nn.MaxPool2d(2)

        self.conv2 = nn.Conv2d(10, 20, kernel_size=5)

        self.fc1   = nn.Linear(320, 50)

        self.fc2   = nn.Linear(50, 10)

 

    def forward(self, x):

        x = self.pool(torch.relu(self.conv1(x)))  # 輸出大�。�(10, 12, 12)

        x = self.pool(torch.relu(self.conv2(x)))  # 輸出大小：(20, 4, 4)

        x = x.view(-1, 320)                       # 展平

        x = torch.relu(self.fc1(x))

        x = self.fc2(x)

        return x

# 模型訓(xùn)練配置

model = SimpleCNN().to(device)

criterion = nn.CrossEntropyLoss()

optimizer = optim.Adam(model.parameters(), lr=0.001)

# 訓(xùn)練模型

for epoch in range(1, 6):

    model.train()

    for data, target in train_loader:

        data, target = data.to(device), target.to(device)

        optimizer.zero_grad()

        output = model(data)

        loss = criterion(output, target)

        loss.backward()

        optimizer.step()

    print(f'Epoch {epoch}, Loss: {loss.item():.4f}')

 

# 模型測試

model.eval()

correct = 0

with torch.no_grad():

    for data, target in test_loader:

        data, target = data.to(device), target.to(device)

        output = model(data)

        pred = output.argmax(dim=1)

        correct += pred.eq(target).sum().item()

 

accuracy = 100. * correct / len(test_loader.dataset)

print(f'\nTest Accuracy: {accuracy:.2f}%')

總結(jié)

卷積神經(jīng)網(wǎng)絡(luò)（CNN）通過模擬生物視覺系統(tǒng)的工作方式，有效地提取圖像等數(shù)據(jù)中的特征，廣泛應(yīng)用于計(jì)算機(jī)視覺和其他深度學(xué)習(xí)任務(wù)。理解CNN的基本構(gòu)成，包括卷積操作、池化操作、激活函數(shù)和全連接層，是掌握這一技術(shù)的基礎(chǔ)。

隨著深度學(xué)習(xí)研究的不斷深入，CNN在多個領(lǐng)域的應(yīng)用也不斷擴(kuò)大，不僅限于圖像處理，也已延伸到語音識別、自然語言處理等多種領(lǐng)域。掌握CNN的基礎(chǔ)知識，能為進(jìn)一步深入學(xué)習(xí)和研究深度學(xué)習(xí)奠定良好的基礎(chǔ)。