人工智能：深度学习中的卷积神经网络（CNN）实战应用

人工智能：深度学习中的卷积神经网络（CNN）实战应用

1.1 本章学习目标与重点

💡 学习目标：掌握卷积神经网络的核心原理、经典网络架构，以及在图像分类任务中的实战开发流程。
💡 学习重点：理解卷积层、池化层的工作机制，学会使用 TensorFlow 搭建 CNN 模型并完成训练与评估。

1.2 卷积神经网络核心原理

1.2.1 卷积层：提取图像局部特征

💡 卷积层是 CNN 的核心组件，其作用是通过卷积核对输入图像进行局部特征提取。
卷积核本质是一个小型的权重矩阵。它会按照设定的步长在图像上滑动。每滑动一次，卷积核就会与对应区域的像素值做内积运算，输出一个特征值。
这个过程可以捕捉图像的边缘、纹理等基础特征。
⚠️ 注意：卷积核的数量决定了输出特征图的通道数，数量越多，提取的特征维度越丰富。

① 定义一个 3×3 大小的卷积核，步长设为 1，填充方式为 SAME
② 对 28×28 单通道的手写数字图像进行卷积操作
③ 输出特征图的尺寸保持 28×28，通道数由卷积核数量决定

import tensorflow as tf
from tensorflow.keras.layers import Conv2D
# 定义卷积层
conv_layer = Conv2D(filters=32, kernel_size=(3, 3), strides=(1, 1), padding="SAME", input_shape=(28, 28, 1))
# 模拟输入：1 张 28×28 单通道图像
input_image = tf.random.normal(shape=(1, 28, 28, 1))
# 执行卷积运算
output_feature = conv_layer(input_image)
print("输出特征图形状：", output_feature.shape)

1.2.2 池化层：降低特征维度与防止过拟合

💡 池化层的作用是对卷积层输出的特征图进行降采样。它可以在保留关键特征的同时，减少参数数量和计算量。
常见的池化方式有两种：最大池化和平均池化。
最大池化选取局部区域内的最大值作为输出，能更好保留纹理特征。平均池化选取局部区域的平均值，能保留背景特征。

① 定义 2×2 大小的最大池化层，步长设为 2
② 对卷积层输出的特征图进行池化操作
③ 输出特征图的尺寸会缩小为原来的 1/2

from tensorflow.keras.layers import MaxPooling2D
# 定义最大池化层
pool_layer = MaxPooling2D(pool_size=(2, 2), strides=(2, 2), padding="SAME")
# 对卷积层输出的特征图做池化
pool_output = pool_layer(output_feature)
print("池化后特征图形状：", pool_output.shape)

1.3 经典 CNN 架构——LeNet-5

💡 LeNet-5 是由 Yann LeCun 提出的经典卷积神经网络。它专门用于手写数字识别任务，奠定了现代 CNN 的基础架构。
LeNet-5 的结构分为 5 层：2 个卷积层、2 个池化层、1 个全连接层，最后通过 Softmax 输出分类结果。

1.3.1 LeNet-5 网络结构搭建

from tensorflow.keras import Sequential
from tensorflow.keras.layers import Flatten, Dense
# 搭建 LeNet-5 模型
lenet5 = Sequential([
    # 卷积层 1：6 个 5×5 卷积核，步长 1，无填充
    Conv2D(filters=6, kernel_size=(5, 5), strides=(1, 1), padding="VALID", input_shape=(28, 28, 1), activation="tanh"),
    # 池化层 1：2×2 最大池化，步长 2
    MaxPooling2D(pool_size=(2, 2), strides=(2, 2), padding="VALID"),
    # 卷积层 2：16 个 5×5 卷积核，步长 1，无填充
    Conv2D(filters=16, kernel_size=(5, 5), strides=(1, 1), padding="VALID", activation="tanh"),
    # 池化层 2：2×2 最大池化，步长 2
    MaxPooling2D(pool_size=(2, 2), strides=(2, 2), padding="VALID"),
    # 展平层：将特征图转为一维向量
    Flatten(),
    # 全连接层 1：120 个神经元
    Dense(units=120, activation="tanh"),
    # 全连接层 2：84 个神经元
    Dense(units=84, activation="tanh"),
    # 输出层：10 个神经元对应 10 个数字类别，Softmax 激活
    Dense(units=10, activation="softmax")
])
# 查看模型结构
lenet5.summary()

1.3.2 LeNet-5 模型编译与训练

💡 本次实战使用 MNIST 手写数字数据集。这个数据集包含 60000 张训练图像和 10000 张测试图像，每张图像都是 28×28 的灰度图。

① 加载 MNIST 数据集并进行归一化处理
② 编译模型：选择 Adam 优化器、交叉熵损失函数
③ 训练模型：设置批次大小 32，训练轮数 10 轮

from tensorflow.keras.datasets import mnist
from tensorflow.keras.utils import to_categorical
# 1. 加载并预处理数据
(x_train, y_train), (x_test, y_test) = mnist.load_data()
# 归一化：将像素值从 0-255 转为 0-1
x_train = x_train / 255.0
x_test = x_test / 255.0
# 增加通道维度：(样本数, 28, 28) → (样本数, 28, 28, 1)
x_train = tf.expand_dims(x_train, axis=-1)
x_test = tf.expand_dims(x_test, axis=-1)
# 标签独热编码
y_train = to_categorical(y_train, num_classes=10)
y_test = to_categorical(y_test, num_classes=10)
# 2. 编译模型
lenet5.compile(optimizer="adam", loss="categorical_crossentropy", metrics=["accuracy"])
# 3. 训练模型
history = lenet5.fit(x_train, y_train, batch_size=32, epochs=10, validation_split=0.1)
# 4. 评估模型
test_loss, test_acc = lenet5.evaluate(x_test, y_test)
print(f"测试集准确率：{test_acc:.4f}")

1.4 实战问题与解决方案

1.4.1 过拟合问题处理

⚠️ 问题：训练过程中，训练集准确率持续上升，但验证集准确率出现下降。这就是过拟合现象。
💡 解决方案：加入Dropout 层随机丢弃部分神经元，防止模型过度依赖某些特征。

在全连接层后加入 Dropout 层的示例代码：

from tensorflow.keras.layers import Dropout
# 修改模型，加入 Dropout 层
lenet5_with_dropout = Sequential([
    Conv2D(6, (5,5), strides=1, padding="VALID", input_shape=(28,28,1), activation="tanh"),
    MaxPooling2D((2,2), strides=2, padding="VALID"),
    Conv2D(16, (5,5), strides=1, padding="VALID", activation="tanh"),
    MaxPooling2D((2,2), strides=2, padding="VALID"),
    Flatten(),
    Dense(120, activation="tanh"),
    Dropout(0.2),  # 丢弃 20% 的神经元
    Dense(84, activation="tanh"),
    Dropout(0.2),
    Dense(10, activation="softmax")
])
lenet5_with_dropout.compile(optimizer="adam", loss="categorical_crossentropy", metrics=["accuracy"])

1.4.2 模型优化技巧

💡 技巧 1：使用ReLU 激活函数替换 tanh 函数。ReLU 能缓解梯度消失问题，加速模型收敛。
💡 技巧 2：使用批量归一化（BatchNormalization）。它可以使每一层的输入分布更稳定，提升训练效率。
💡 技巧 3：调整学习率。使用学习率衰减策略，在训练后期降低学习率，让模型更精准收敛。

1.5 本章总结

✅ 卷积层通过卷积核提取图像局部特征，池化层通过降采样减少参数与计算量。
✅ LeNet-5 是经典 CNN 架构，由卷积层、池化层、全连接层组成，适用于小尺寸图像分类。
✅ 实战中可通过加入 Dropout 层、使用 ReLU 激活函数等方法优化模型，提升泛化能力。