卷积神经网络（Convolutional Neural Network）是一种深度学习算法，其在图像识别、视频分析和自然语言处理等领域表现出色。CNN通过使用卷积层来提取图像数据的局部特征，然后通过池化层（Pooling Layer）来降低特征的空间维度，最后通过全连接层（Fully Connected Layer）进行分类或回归任务。

下面使用 PyTorch 实现卷积神经网络（CNN）的代码并逐行解析。使用经典的 LeNet-5 结构，并在 CIFAR-10 数据集上进行图像分类。

import torchimport torch.nn as nnimport torch.nn.functional as F# 定义卷积神经网络模型class CNN(nn.Module): def __init__(self): super(CNN, self).__init__() # 第一个卷积层：输入3通道（RGB），输出6通道，卷积核5x5 self.conv1 = nn.Conv2d(3, 6, 5) # 最大池化层：窗口2x2，步长2 self.pool = nn.MaxPool2d(2, 2) # 第二个卷积层：输入6通道，输出16通道，卷积核5x5 self.conv2 = nn.Conv2d(6, 16, 5) # 全连接层：输入维度16*5*5，输出120 self.fc1 = nn.Linear(16 * 5 * 5, 120) # 全连接层：120 → 84 self.fc2 = nn.Linear(120, 84) # 输出层：84 → 10（对应CIFAR-10的10个类别） self.fc3 = nn.Linear(84, 10) def forward(self, x): # 卷积 → ReLU激活 → 池化 x = self.pool(F.relu(self.conv1(x))) # 输入形状变化：3x32x32 → 6x28x28 → 6x14x14 x = self.pool(F.relu(self.conv2(x))) # 形状变化：6x14x14 → 16x10x10 → 16x5x5 # 展平多维特征图（保留batch维度） x = x.view(-1, 16 * 5 * 5) # 展平为400维向量（16*5*5=400） x = F.relu(self.fc1(x)) # 全连接层+ReLU激活 x = F.relu(self.fc2(x)) # 全连接层+ReLU激活 x = self.fc3(x) # 最终输出层（无激活函数） return x# 初始化模型、损失函数和优化器model = CNN()criterion = nn.CrossEntropyLoss() # 交叉熵损失（包含Softmax）optimizer = torch.optim.SGD( model.parameters(), lr=0.001, momentum=0.9)# 示例训练循环（假设已定义DataLoader）def train(model, train_loader, epochs=10): for epoch in range(epochs): running_loss = 0.0 for inputs, labels in train_loader: optimizer.zero_grad() # 清零梯度 outputs = model(inputs) # 前向传播 loss = criterion(outputs, labels) loss.backward() # 反向传播 optimizer.step() # 更新参数 running_loss += loss.item() print(f"Epoch {epoch+1}, Loss: {running_loss/len(train_loader):.4f}")代码解析网络结构定义卷积层 (nn.Conv2d):conv1: 输入3通道（RGB），输出6通道，使用5x5卷积核conv2: 输入6通道，输出16通道，同样使用5x5卷积核卷积操作通过局部感受野提取空间特征（如边缘、纹理）池化层 (nn.MaxPool2d):使用2x2窗口、步长2的最大池化降低特征图维度，增强平移不变性全连接层 (nn.Linear):将展平的特征向量映射到分类空间通过逐步降维（400 → 120 → 84 → 10）实现非线性组合前向传播 (forward)

输入处理:

x = self.pool(F.relu(self.conv1(x))):卷积 → ReLU激活 → 池化输入形状变化：3x32x32 → 6x14x14重复类似操作得到16x5x5的特征图

特征展平:

x.view(-1, 16*5*5): 将多维特征图展平为向量（保留batch维度）

分类决策:

通过全连接层逐步降维，最终输出10维（对应CIFAR-10的10个类别）训练配置损失函数: 交叉熵损失 (nn.CrossEntropyLoss)内部集成Softmax，直接处理原始输出（logits）优化器: 带动量的SGDlr=0.001: 学习率momentum=0.9: 加速收敛，减少震荡训练循环梯度清零: optimizer.zero_grad() 防止梯度累积前向传播: outputs = model(inputs)损失计算: 对比预测结果与真实标签反向传播: loss.backward() 计算梯度参数更新: optimizer.step() 更新权重关键计算说明

卷积后尺寸计算:

公式: conv1: 输入32x32 → 输出28x28（32−5+1=28）pool1: 28x28 → 14x14（窗口2x2，步长2）conv2: 14x14 → 10x10（14−5+1=1014−5+1=10）pool2: 10x10 → 5x5

全连接层输入:

最终特征图尺寸：16通道 × 5×5 → 400维向量改进方向增加批量归一化层 (nn.BatchNorm2d) 加速训练使用更深的网络结构（如 AlexNet、ResNet）数据增强（随机裁剪、翻转）提升泛化性学习率调度（如 torch.optim.lr_scheduler）