4、CNN基础回顾：卷积层、池化层、全连接层的计算流程与参数量分析

好，咱们今天聊聊CNN里最核心的三个组件：卷积层、池化层、全连接层。说实话，很多同学一开始觉得CNN很玄乎，其实拆开来看，就是这三兄弟在干活。我当年刚入行时，也是先把这三层的计算流程和参数量搞得明明白白，后面做模型设计才不至于抓瞎。

4.1 卷积层：特征提取的主力军

卷积层是CNN的绝对核心。它的任务说白了就是：用一个小窗口（卷积核）在输入图像上滑动，每次做一次点积运算，提取局部特征。

4.1.1 计算流程

假设输入是一张单通道的灰度图，尺寸是 \( H \times W \)。我们用一个 \( K \times K \) 的卷积核去扫它。每次卷积核覆盖的区域，和核做逐元素相乘再求和，得到一个输出值。

嗯，这里要注意几个关键参数：

• 卷积核大小（Kernel Size）：常见的有3×3、5×5、7×7。我个人习惯用3×3，因为参数量小，堆叠多层还能获得更大的感受野。
• 步长（Stride）：每次滑动的像素数。步长为1时，输出尺寸几乎不变；步长为2时，尺寸直接减半。
• 填充（Padding）：在输入边缘补零，用来控制输出尺寸。我常用的是“same”填充，保证输出和输入尺寸一致。

输出特征图的尺寸计算公式是：

输出高度 = (输入高度 - 卷积核高度 + 2 × 填充) / 步长 + 1
输出宽度 = (输入宽度 - 卷积核宽度 + 2 × 填充) / 步长 + 1

举个例子：输入是32×32，用3×3卷积核，步长1，填充1，那么输出还是32×32。如果步长变成2，输出就变成16×16。

4.1.2 参数量分析

卷积层的参数量，主要来自卷积核和偏置。公式很简单：

参数量 = (卷积核高度 × 卷积核宽度 × 输入通道数 + 1) × 输出通道数

那个“+1”是偏置项。我见过不少新手把偏置忘了，结果算出来的参数量对不上。

举个例子：输入是3通道的RGB图像，输出64个通道，用3×3卷积核。那么参数量就是：

(3 × 3 × 3 + 1) × 64 = (27 + 1) × 64 = 1792

你看，才1792个参数。相比之下，全连接层动不动就几十万参数。这就是为什么卷积层这么受欢迎——参数量少，还能提取空间特征。

4.2 池化层：降维与特征压缩

池化层的作用，说白了就是“浓缩精华”。它没有可学习的参数，只是对特征图做下采样。

4.2.1 计算流程

最常见的两种池化方式：

• 最大池化（Max Pooling）：取窗口内的最大值。我一般用它来保留最显著的特征，比如边缘、纹理。
• 平均池化（Average Pooling）：取窗口内的平均值。它更平滑，适合在网络的最后阶段使用。

池化层的计算和卷积类似，也是滑动窗口。但池化没有权重，只是做简单的统计操作。比如一个2×2的最大池化，步长为2，会把输入尺寸直接减半。

举个例子：输入是4×4的特征图，用2×2池化，步长2，输出就是2×2。每个输出值对应输入中2×2区域的最大值或平均值。

4.2.2 参数量分析

池化层的参数量是 0。没错，一个参数都没有。它只是一个固定的操作，不参与训练。

我曾经在项目里看到有人试图给池化层加可学习的参数，结果效果反而变差了。池化层就是用来做降维的，别给它加戏。

4.3 全连接层：特征整合与分类

全连接层通常放在网络的最后几层。它的任务是把前面提取到的特征“摊平”，然后映射到最终的输出空间，比如分类的类别数。

4.3.1 计算流程

全连接层的计算就是矩阵乘法加偏置。假设输入是一个长度为 \( N \) 的向量，输出是一个长度为 \( M \) 的向量，那么：

输出 = 输入 × 权重矩阵 + 偏置

这里的权重矩阵尺寸是 \( N \times M \)。每个输出神经元都和所有输入神经元相连，所以叫“全连接”。

举个例子：输入是1024维的特征向量，输出是10个类别（比如手写数字0-9）。那么权重矩阵就是1024×10，偏置是10维向量。

4.3.2 参数量分析

全连接层的参数量公式：

参数量 = (输入维度 + 1) × 输出维度

还是刚才的例子：输入1024，输出10，参数量就是 (1024 + 1) × 10 = 10250。

你想想看，这还只是一个小网络。如果输入是4096维，输出是1000类，参数量直接飙到 (4096 + 1) × 1000 ≈ 409.7万。这就是为什么全连接层特别“吃”参数。

4.4 三层对比总结

我把这三层的核心特点整理成一个表格，方便你对比：

层类型	是否有参数	参数量公式	主要作用	典型位置
卷积层	是	(K×K×C_in + 1) × C_out	提取局部特征	网络前半部分
池化层	否	0	降维、压缩特征	卷积层之后
全连接层	是	(N_in + 1) × N_out	特征整合、分类	网络末尾

我个人习惯在设计网络时，先用卷积层堆叠提取特征，中间穿插池化层降维，最后用1-2个全连接层做分类。这样既能保证特征提取的充分性，又能控制参数量不至于爆炸。

嗯，CNN的基础就这些。说白了，卷积层负责“看”，池化层负责“记重点”，全连接层负责“做决定”。搞懂了这三层的计算流程和参数量，你就能看懂大部分经典网络结构了。