卷积神经网络（CNN）简单原理与简单代码实现！
深度学习新手入门福利，本文将给你带来最简单的卷积神经网络理解与代码实现！CNN（卷积神经网络）是一种用于图像识别和计算机视觉任务的深度学习算法。它基于卷积和池化操作，通过使用卷积核对图像进行扫描并进行特征提取，然后使用池化层降低图像的维度。这样的特征提取方式可以捕捉图像中的位置和形状信息。随后，这些特征会被平铺到全连接层，然后通过一系列的全连接层进行分类或回归。
CNN基本原理
卷积核（Convolutional Kernels）是一种矩阵，它在图像上进行卷积操作，从而提取出图像的特征。具体来说，卷积核沿着图像每一个部分进行扫描，将图像中对应的元素与卷积核中对应的元素相乘并相加。最后形成一个新的矩阵，这个矩阵中的每一个元素代表了原图像在对应区域内的特征值（见下图所示）。
卷积操作的简单理解（就是对应位置相乘相加）
在一次扫描中，无论图像本身有几个通道（例如RGB三通道/RGBA四通道），卷积核会扫描全部通道之后，将扫描结果加和为一张feature map（特征图），此时需要的卷积核数 = 通道数。in_channels是输入卷积层的图像的通道数或上一层传入特征图的数量，out_channels是指这一层输出的特征图的数量，这需要在模型架构中进行设定。然而，单次扫描对图像特征的提取时不够全面的，因此，需要多次扫描，多张特征图（out_channels）来实现对图像的全面表述。因此，在一个卷积层中，卷积核数量 = in_channels x 扫描次数out_channels。通过这种方式，我们就可以使用多个不同的卷积核来提取图像的不同特征。
自然地我们会想到，需要控制特征图的尺寸，而高效降低特征图尺寸的方法被称为池化，最常见的有三种：最大池化（Max Pooling）、平均池化（Average Pooling）、加和池化（Sum Pooling），见下图所示。
三种池化的简单理解
由于CNN可以在处理高维数据时自动学习特征，因此它特别适用于图像分类和识别任务。它在诸如图像分类、目标检测、语音识别等方面有着卓越的表现。
代码实现
下面是通过Pytorch构造一个简单的CNN，用于手写数字识别。虽然网络架构很简单，但是最终测试准确率可以达到98.5%左右（9868/10000），足够新手同学学习与使用！
import torch
import torch.nn as nn
import torch.optim as optim
from torch.utils.data import DataLoader
from torchvision import datasets, transforms
# 加载MNIST数据集，将数据归一化到区间内
transform = transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.5,), (0.5,))
])
#导入训练集和测试集
trainset = datasets.MNIST(root='./data', train=True,
transform=transform, download=True)
trainloader = DataLoader(trainset, batch_size=64, shuffle=True)
testset = datasets.MNIST(root='./data', train=False,
transform=transform, download=True)
testloader = DataLoader(testset, batch_size=64, shuffle=False)
# 定义卷积神经网络模型
# 需要在Conv2d处定义in_channels、out_channels、卷积核尺寸
# 在经过卷积处理以及两次池化之后，特征图尺寸变为4*4，因此全连接网络的输入神经元数量是4*4*20 = 320
class ConvNet(nn.Module):
def __init__(self):
super().__init__()
self.conv1 = nn.Conv2d(1, 10, 5)
self.pool = nn.MaxPool2d(2, 2)
self.conv2 = nn.Conv2d(10, 20, 5)
self.fc = nn.Linear(320, 10)
def forward(self, x):
x = self.pool(torch.relu(self.conv1(x)))
x = self.pool(torch.relu(self.conv2(x)))
x = x.view(-1, 320)
x = self.fc(x)
return x
# 初始化模型，损失函数和优化器
model = ConvNet()
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(model.parameters(), lr=0.01, momentum=0.5)
# 训练模型
for epoch in range(10):
running_loss = 0.0
for i, data in enumerate(trainloader):
inputs, labels = data
optimizer.zero_grad()
outputs = model(inputs)
loss = criterion(outputs, labels)
loss.backward()
optimizer.step()
running_loss += loss.item()
print(f"Epoch: {epoch + 1}/10, Loss: {running_loss / len(trainloader)}")
# 测试模型
correct = 0
total = 0
with torch.no_grad():
for data in testloader:
images, labels = data
outputs = model(images)
_, predicted = torch.max(outputs.data, 1)
total += labels.size(0)
correct += (predicted == labels).sum().item()
print('\nTest set: Accuracy: {}/{} ({:.0f}%)\n'.format(
correct, len(testloader.dataset),
100. * correct / len(testloader.dataset)))结果也是非常的奈斯，测试集准确率高达98.68%（9868/10000），如下所示
模型结果
同学们快来跟着尝试一下吧。
码字不易，欢迎三连，关于代码若有问题请在评论区交流。
欢迎了解收藏我的机器学习专栏！点赞关注不迷路哦！ 感谢！！
页:
[1]