卷积神经网络（Convolutional Neural Network, CNN）是一种专门用于处理网格状数据（如图像、音频、时间序列）的深度学习模型。其核心思想是通过局部感受野、权值共享和层次化特征提取来自动学习数据的空间或时序特征。

核心组件
1、卷积层（Convolution Layer）
功能：通过卷积核（滤波器）滑动扫描输入数据，提取局部特征（如边缘、纹理）。
关键参数：
核大小（Kernel Size）：如3×3、5×5。
步长（Stride）：滑动步长（通常为1或2）。
填充（Padding）：保持输入尺寸（如`same`填充）。
输出通道数：决定提取的特征图数量。

2、池化层（Pooling Layer）
功能：降维、减少计算量，增强平移不变性。
类型：最大池化（Max Pooling）、平均池化（Average Pooling）。

3、激活函数
ReLU（最常用）：解决梯度消失问题，加速训练。
其他：LeakyReLU、Sigmoid（用于二分类输出层）。

4、全连接层（Fully Connected Layer）
在卷积层后展开特征图，用于最终分类或回归。

5、批归一化（Batch Normalization）
加速训练，减少对初始化的敏感度。

经典CNN架构示例
1、LeNet5（1998）
首个成功应用于手写数字识别的CNN（5层结构）。
2、AlexNet（2012）
引入ReLU、Dropout，赢得ImageNet竞赛。
3、VGG（2014）
重复的3×3卷积堆叠，结构简洁。
4、ResNet（2015）
残差连接（Residual Block）解决深层网络梯度消失问题。

CNN的优势
自动特征提取：无需手动设计特征（如SIFT、HOG）。
平移不变性：通过池化和卷积实现。
参数共享：卷积核在不同位置复用，减少参数量。

应用场景
图像处理：分类（如ResNet）、分割（如UNet）、目标检测（如YOLO）。
视频分析：动作识别、帧预测。
其他领域：
音频处理（时频图作为输入）。
自然语言处理（文本的一维卷积）。

代码示例（PyTorch）
python
import torch.nn as nn

class SimpleCNN(nn.Module):
def __init__(self):
super().__init__()
self.conv1 = nn.Conv2d(3, 16, kernel_size=3, stride=1, padding=1) 输入通道3，输出16
self.pool = nn.MaxPool2d(2, 2)
self.fc = nn.Linear(16 * 16 * 16, 10) 假设输入图像为32x32

def forward(self, x):
x = self.pool(nn.ReLU()(self.conv1(x)))
x = x.view(1, 16 * 16 * 16) 展平
x = self.fc(x)
return x

常见问题
1、过拟合：通过数据增强（旋转、翻转）、Dropout解决。
2、计算量大：使用深度可分离卷积（如MobileNet）、模型剪枝。
3、解释性差：通过可视化卷积核（如第一层边缘检测器）或GradCAM分析。

如果需要更深入的细节（如空洞卷积、转置卷积），可以进一步探讨！