深度学习 CNN 入门 2

贡献者： 刘煜彬

　　 本文从更基础的部分来解释 CNN 神经网络，上文是说的神经网络的基本结构，这篇解释的是 CNN 的底层逻辑。

　　 首先需要了解一下卷积的概念。 定义：在泛函分析中，卷积是通过两个函数 $f$ 和 $g$ 生成第三个函数的一种数学运算，其本质是一种特殊的积分变换，表征函数 $f$ 与 $g$ 经过翻转和平移的重叠部分函数值乘积对重叠长度的积分。 数学表达式：对于连续函数，卷积的数学表达式通常为

　　 假设我们有一个简单的 3x3 的输入矩阵（图像的一个局部区域）和一个 2x2 的卷积核： 输入矩阵（Input Matrix）:

　　 卷积核（Kernel）（只是方便演示，一般卷积核是奇数，方便确定中心）:

　　 卷积操作的过程如下：

　　 1.定位初始位置：首先，将卷积核放置在输入矩阵的左上角（或指定的起始位置）。 进行元素级乘法并求和：将卷积核中的每个元素与输入矩阵中对应位置的元素相乘，然后将所有乘积相加。在本例中，卷积核与输入矩阵左上角 2x2 区域的乘积之和为 1∗1+0∗2+0∗1+1∗0=1。这里注意对应的下标是不同的，是 F(1,1)对应 G(2,2),F(1,2)对应 G(2,1)...这在前面数学表达式有体现。

　　 2.滑动卷积核：按照指定的步长（Stride）将卷积核向右滑动（通常是 1 个单位），然后重复步骤 2，直到卷积核无法再向右滑动为止。之后，将卷积核回到最左边，向下移动一个步长，继续向右滑动，直到遍历完整个输入矩阵。

　　 3.记录输出：每次卷积操作的结果都会被记录下来，形成新的特征图的一个元素。在本例中，由于步长为 1 且没有填充（Padding），所以输出特征图的大小会比输入矩阵小（具体取决于卷积核大小、步长和填充方式）。

　　 步长（Stride）：卷积核在输入矩阵上滑动的距离。步长越大，输出特征图越小。 填充（Padding）：在输入矩阵的边界外添加额外的值（通常是 0），以便在卷积过程中保持输入和输出的尺寸相同或按预期变化。 卷积核大小：卷积核的维度决定了每次卷积操作覆盖的输入矩阵的区域大小，也影响了特征图的尺寸和提取的特征类型。 ​ 最后输出是：

　　 把这个在 PyTorch 中写出来，可以使用 torch.nn.Conv2d 来定义一个二维卷积层，该层可以应用于图像等二维数据上。对于给出的例子（输入矩阵为 3x3，卷积核为 2x2，步长为 1，无填充），可以这样定义卷积层并应用它：

import torch  
import torch.nn as nn  
  
# 定义一个输入张量，形状为[batch_size, channels, height, width]
#这里假设batch_size=1, channels=1  
# 注意PyTorch中的输入张量通常需要加上一个批次维度和一个通道维度  
input_tensor = torch.tensor([[[[1, 0, 1],  
                               [2, 1, 0],  
                               [0, 1, 1]]]], dtype=torch.float32)  
  
# 定义一个2x2的卷积核
# 这里out_channels=1（输出通道数）
#in_channels=1（输入通道数）
#kernel_size=2（卷积核大小）  
conv_layer = nn.Conv2d(in_channels=1, out_channels=1,
 kernel_size=2, stride=1, padding=0)  
  
# 应用卷积层  
output_tensor = conv_layer(input_tensor)  
  
# 输出结果，注意输出张量也会包含批次维度和通道维度  
print(output_tensor)  
  
# 如果你只想看到卷积后的结果数组，可以这样做：  
print(output_tensor.squeeze().detach().numpy())  
# squeeze()去掉批次和通道维度（如果它们为1）
#detach()是为了从计算图中分离，numpy()转换为numpy数组

　　 注意，这个函数并没有直接设置卷积核矩阵中的具体元素值，这些值是在训练过程中通过反向传播算法自动学习的。 具体来说，当你创建一个 Conv2d 层的实例时，PyTorch 会为该层随机初始化一组权重（即卷积核中的矩阵元素）。这些权重的初始值通常是小的随机数，可以是均匀分布或正态分布中抽取的。然后，在训练过程中，这些权重会根据损失函数对模型输出的梯度进行更新，以最小化损失函数。

　　 另外，Conv2d 层还有一个 bias 属性，它表示每个输出通道的可选偏置项。与权重类似，偏置项也是随机初始化的，并在训练过程中进行更新。如果你想要设置偏置项的初始值，你可以通过访问 bias 属性来实现。但是，同样地，在大多数情况下，你应该让 PyTorch 自动为你初始化偏置项.