1. 卷积神经网络基础：从全连接到卷积的动机
大家好，我是你们的讲师。今天咱们聊聊卷积神经网络最核心的起点——为什么我们要从全连接走向卷积？
说实话，我刚入行那会儿，也觉得全连接网络挺香的。结构简单，理解容易。但后来在做一个图像分类项目时，发现一个残酷的现实：一张 256x256 的彩色图片，输入层就有 196,608 个神经元。如果第一层隐藏层有 1000 个神经元，光这一层的参数量就接近 2 亿。你想想看，这谁顶得住？
全连接网络的困境
全连接网络处理图像时，有几个硬伤：
- 参数爆炸：每个输入像素都要和每个隐藏神经元连接，参数量随图像尺寸平方增长
- 忽略空间结构：把二维图像拉成一维向量，像素间的空间关系全丢了
- 没有平移不变性：猫在图片左上角和右下角，网络得当成两个完全不同的模式去学
核心洞察：图像有个重要特性——局部相关性。一个像素只和它周围的像素关系密切，离得远的像素基本没啥关系。全连接网络完全没利用这个特性。
卷积运算的数学定义
好，那卷积是怎么解决这些问题的？
卷积本质上就是一个滑动窗口操作。我习惯把它理解成「模板匹配」。数学上，二维卷积的定义是这样的：
(f * g)(x, y) = Σ Σ f(i, j) · g(x-i, y-j)但在深度学习中，我们实际用的是「互相关」操作，写法略有不同：
输出(x, y) = Σ Σ 输入(x+i, y+j) · 卷积核(i, j) + 偏置说白了，就是拿一个小窗口（卷积核）在输入上滑动，每个位置做一次点乘求和。
我的经验：刚开始学的时候，别纠结数学符号。你就记住：卷积核就是一组可学习的权重，它在输入图上「扫」一遍，提取局部特征。
特征图与感受野
卷积层输出的结果，我们叫它特征图。每个特征图对应一个卷积核提取到的某种特征。
举个例子：
- 第一个卷积层可能有 64 个卷积核，输出 64 张特征图
- 有的特征图检测边缘，有的检测纹理，有的检测颜色变化
- 越往后的层，特征图越抽象，从「横线」「竖线」变成「眼睛」「轮子」
这里有个关键概念——感受野。它指的是特征图上某个点，对应到输入图像上的区域大小。
直观理解：第一层卷积，3x3 的卷积核，感受野就是 3x3。第二层卷积，如果还是 3x3，那第二层特征图上的一个点，实际上看到了输入图像上 5x5 的区域。
为什么会这样？因为第二层的每个点，是把第一层 3x3 区域的信息融合了。而第一层的每个点，本身已经看到了输入图像 3x3 的区域。两层叠加，感受野就扩大了。
避坑指南：我曾经在设计一个网络时，堆了太多小卷积核，结果感受野一直不够大，导致网络看不到全局信息，分类准确率死活上不去。后来加了几个空洞卷积才解决。所以设计网络时，一定要算清楚感受野够不够用。
知识体系结构图
下面这张图，我把本章的核心逻辑梳理了一下：
小结
这一章我们聊了三个核心问题：
- 为什么不用全连接——参数太多，忽略空间结构，没有平移不变性
- 卷积怎么算——滑动窗口，局部连接，权值共享
- 特征图和感受野是什么——特征图是卷积结果，感受野是能看到输入的范围
嗯，这些概念看起来简单，但它们是整个卷积神经网络大厦的地基。我在后续做硬件加速器设计时，发现很多优化策略都跟感受野的计算、特征图的尺寸变化密切相关。所以，别嫌基础，把这些吃透了，后面讲硬件实现时你会轻松很多。