第4章 AI模型基础（上）：什么是神经网络？卷积层、池化层、全连接层的作用

各位同学，咱们今天聊聊神经网络的基础。说实话，我刚接触AI时也被一堆术语搞得头晕。什么卷积、池化、全连接，听着像天书。但后来我发现，这些东西说白了就是一套「特征提取+决策」的流水线。

我习惯把神经网络比作一个工厂。原材料是图片、声音或文本，经过一道道工序，最后产出结果。今天咱们就拆开这个工厂，看看里面到底在干什么。

4.1 神经网络到底是什么？

神经网络，名字听着高大上，其实就是一个数学函数。输入一堆数字，输出另一堆数字。中间那些「层」就是不同的计算步骤。

举个例子。你给网络一张猫的图片，它输出「这是猫」的概率。为什么能识别？因为网络在训练过程中，自己学会了哪些像素组合代表猫的耳朵，哪些代表胡须。

我记得第一次在STM32上跑神经网络时，心里直打鼓——这么小的芯片能行吗？后来发现，只要模型剪裁得当，效果还真不错。

4.2 卷积层：特征提取的利器

卷积层是CNN（卷积神经网络）的核心。它的任务是从输入数据中提取特征。

怎么提取？用一个「小窗口」在输入上滑动，每次计算窗口内像素的加权和。这个小窗口叫卷积核，也叫滤波器。

我举个例子。你有一张32x32的灰度图，用一个3x3的卷积核去扫。每扫一次，得到一个数值。扫完整个图，得到一张新的「特征图」。这张特征图就突出了原图的某些特征，比如边缘、纹理。

在项目中，我遇到过一个问题：卷积核大小怎么选？3x3、5x5还是7x7？

我的经验是：小核（3x3）堆叠比大核更高效。两个3x3堆叠，感受野相当于5x5，但参数量更少。在STM32上，参数量直接决定内存占用，所以尽量用3x3。

卷积层还有两个重要参数：步长和填充。

• 步长：卷积核每次移动的像素数。步长越大，输出特征图越小。
• 填充：在输入边缘补0，保持输出尺寸不变。

你想想看，如果步长是2，输出尺寸直接减半。这在STM32上很有用——可以快速降低特征图尺寸，减少计算量。

4.3 池化层：降维的艺术

池化层的作用很简单：压缩数据。它把一小块区域的值，用一个代表值替代。

最常见的是最大池化。比如2x2的窗口，取四个像素中的最大值。这样，特征图尺寸直接减半。

为什么要池化？两个原因：

1. 减少计算量：特征图小了，后续层的计算量指数级下降。
2. 防止过拟合：池化让模型更关注「有没有这个特征」，而不是「特征在哪个精确位置」。

我曾经在一个人脸识别项目里，因为没加池化层，模型在STM32上跑不动。加了池化后，推理时间从2秒降到0.3秒。嗯，这里要注意：池化层没有可训练参数，但它对性能影响巨大。

4.4 全连接层：决策的终点

全连接层，说白了就是传统的神经网络层。每个神经元与上一层的所有神经元相连。

它的作用是把前面提取的特征，映射到最终的分类结果上。比如前面卷积层提取了猫耳朵、猫胡须的特征，全连接层综合这些特征，判断「这是猫」。

全连接层的参数量非常大。举个例子：如果上一层有1000个神经元，这一层有500个，那参数量就是1000x500=50万。在STM32上，这很容易撑爆内存。

我建议：在嵌入式部署时，尽量用全局平均池化替代全连接层。全局平均池化直接把特征图每个通道的平均值作为输出，参数量为0。

层类型	参数量	计算量	适用场景
卷积层	中等	高	特征提取
池化层	0	低	降维
全连接层	极高	高	分类决策

4.5 三种层的配合使用

一个典型的CNN结构是这样的：

输入 → [卷积层 → 激活函数 → 池化层] × N → 全连接层 → 输出

卷积层提取特征，池化层压缩数据，全连接层做决策。这三者缺一不可。

在STM32CubeAI中，模型转换时会自动优化这些层的计算。但我建议你手动检查一下：

• 卷积核大小是否合理？
• 池化层是否过多？
• 全连接层能否用全局平均池化替代？

我记得有个项目，客户要求手势识别。我一开始用了三层全连接，模型在PC上跑得飞快，但一部署到STM32就崩了。后来改成全局平均池化，模型大小从2MB降到200KB，完美运行。

好了，这一章就到这里。下一章咱们聊聊激活函数和损失函数——这两个东西决定了你的模型能不能收敛。到时候我会分享一些调参的实战经验。