本课学习重点
- 卷积核
- 特征图
- 层级特征
先从一个具体问题出发
在照片中发现一条细小裂缝
普通全连接网络会把每个像素当成独立数字，既忽略相邻像素的关系，也产生大量参数。CNN 使用共享的小窗口在整张图片上扫描，专门寻找局部模式。
COMPUTER VISION
通过可移动卷积核实验理解像素、卷积、特征图、池化和分层特征。
这一课要回答：CNN：计算机如何看懂图片建立必要的基础概念
先认识三个关键词
先看每个概念负责什么，再把它们放回完整流程。无需先记公式，先建立直觉。
一个会移动的小型探测器
小矩阵与局部像素相乘再求和，可被训练成边缘、纹理等探测器。
记录模式出现在哪里
卷积核在每个位置的响应组成新网格，亮处表示对应特征更明显。
从简单线索组合复杂形状
浅层发现边缘，深层逐步组合出纹理、部件和完整物体。
把概念连接成流程
卷积如何处理一张图
按顺序走一遍，观察每一步的输入、动作与输出。
- 01
读取像素
图片先变成带通道的数字网格。
- 02
局部扫描
多个卷积核共享参数并滑过不同位置。
- 03
压缩与保留
池化或步幅降低尺寸，保留显著响应。
- 04
组合并分类
深层特征汇总为类别概率或其他输出。
互动实验 · 动手建立直觉
移动卷积窗口，观察边缘响应
选择探测方向，再移动 3×3 窗口。页面会显示局部像素与卷积核相乘后的响应。
窗口位置第 1–3 行，第 1–3 列
卷积响应+2这里存在较明显的对应方向变化。
知道模型能做什么，也知道不能做什么
三个容易忽略的边界
技术名词描述的是一种计算方法。真正用于产品时，还要检查数据、指标、成本与使用场景。
卷积不等于真正的视觉理解
模型学习的是数据中有助于任务的统计模式。
位置变化仍会带来影响
共享权重提高平移适应性，但并不保证对旋转、尺度完全不变。
数据偏差会进入特征
背景、拍摄设备等捷径可能被模型误当成判断依据。
可选代码实践 · 逐行理解
定义一个小型卷积网络
代码只呈现本课最关键的计算路径。先根据注释理解每一步，再放进完整项目。
course-07.py
import torch.nn as nn
model = nn.Sequential(
nn.Conv2d(1, 16, kernel_size=3, padding=1),
nn.ReLU(),
nn.MaxPool2d(2),
nn.Conv2d(16, 32, kernel_size=3, padding=1),
nn.ReLU(),
nn.AdaptiveAvgPool2d(1),
nn.Flatten(),
nn.Linear(32, 10),
)- 步骤 1
第一层接收 1 个灰度通道，用 16 个卷积核生成 16 张特征图。
- 步骤 2
ReLU 保留正响应，MaxPool2d 将长宽各缩小一半。
- 步骤 3
最后把 32 个汇总特征映射到 10 个类别分数。
知识检查与课程总结
确认你能把概念讲清楚
完成三个问题，再用五句话回顾本课主线。
已回答 0 / 3 题 · 当前答对 0 题
- 图片是有空间结构的像素网格。
- 卷积核共享参数并提取局部模式。
- 卷积输出形成特征图。
- 网络从边缘逐层组合出更复杂的特征。
- 需要用可视化和外部数据检查模型是否学了错误捷径。
下一课 · COURSE 08
迁移学习
不从零训练，借用预训练模型已经学到的通用视觉特征。