什么是 CNN？
卷积神经网络（Convolutional Neural Network，简称 CNN）是一种专为处理网格数据（如图像）设计的深度学习模型。其核心思想是通过卷积层提取局部特征，结合池化层降低数据维度，最终通过全连接层实现分类或回归。
核心概念
- 卷积层：使用滤波器（kernel）扫描输入数据，提取特征（如边缘、纹理）
- 池化层：通过下采样（如最大池化）减少计算量，增强模型鲁棒性
- 激活函数：常用 ReLU（Rectified Linear Unit）非线性变换特征
- 全连接层：将提取的特征映射到最终输出（如图像分类标签）
应用场景
- 图像识别：如手写数字识别（MNIST）、人脸识别
- 目标检测：YOLO、SSD 等模型基于 CNN 实现
- 图像生成：GANs 中的生成器网络
- 自然语言处理：1D CNN 用于文本分类或情感分析
学习资源
- 深度学习基础教程：了解 CNN 的前置知识
- PyTorch 实现 CNN 案例：动手实践代码示例
- Keras 官方文档：英文资源拓展阅读