手把手教你用PyTorch实现一个简单的卷积神经网络

准备工作：导入必要的库

在开始构建卷积神经网络（CNN）之前，我们首先需要导入所需的PyTorch模块。PyTorch提供了`torch.nn`模块，其中包含了构建神经网络所需的所有核心构件。我们将主要使用它来定义我们的网络层。

```pythonimport torchimport torch.nn as nnimport torch.nn.functional as F```

这段代码导入了PyTorch库本身（`torch`）、神经网络的模块（`nn`）和函数接口（`functional`，通常简写为`F`）。`nn.Module`是所有神经网络模块的基类，我们自定义的网络将继承自它。

第一步：定义CNN模型类

接下来，我们将创建一个新的类来定义我们的卷积神经网络结构。这个类需要继承自`nn.Module`，并至少包含两个方法：`__init__`和`forward`。

```pythonclass SimpleCNN(nn.Module): def __init__(self): super(SimpleCNN, self).__init__() # 定义第一个卷积层 self.conv1 = nn.Conv2d(in_channels=1, out_channels=32, kernel_size=3, padding=1) # 定义第二个卷积层 self.conv2 = nn.Conv2d(in_channels=32, out_channels=64, kernel_size=3, padding=1) # 定义最大池化层 self.pool = nn.MaxPool2d(kernel_size=2, stride=2) # 定义全连接层 self.fc1 = nn.Linear(in_features=64 7 7, out_features=128) self.fc2 = nn.Linear(in_features=128, out_features=10)```

初始化函数详解

在`__init__`方法中，我们初始化了网络的所有层：

• nn.Conv2d: 这是二维卷积层。我们定义了两层卷积：
  • conv1: 输入通道数为1（例如MNIST数据集的黑白图像），输出通道数为32，使用3x3的卷积核，并设置填充（padding）为1以保证输出尺寸与输入尺寸一致（当步长stride=1时）。
  • conv2: 输入通道数为32（承接上一层的输出），输出通道数为64，同样使用3x3卷积核和填充1。
• nn.MaxPool2d: 这是最大池化层，我们使用2x2的窗口，步长为2，这将把特征图的宽度和高度减少一半。
• nn.Linear: 这是全连接层。我们定义了两个全连接层：
  • fc1: 将池化后的特征图展平后的数据作为输入。假设输入图像是28x28（如MNIST），经过两次池化后变为7x7（28/2/2=7），且有64个通道，因此输入特征数为6477。输出特征数设为128。
  • fc2: 将128个特征映射到10个输出节点（对应10个分类，如0-9的数字）。

第二步：定义前向传播

`forward`方法定义了数据如何从输入流经网络的每一层，最终得到输出。这是模型的核心逻辑。

```python def forward(self, x): # 第一次卷积 -> 激活函数 -> 池化 x = self.pool(F.relu(self.conv1(x))) # 第二次卷积 -> 激活函数 -> 池化 x = self.pool(F.relu(self.conv2(x))) # 将多维特征图展平为一维向量，以便输入全连接层 x = x.view(-1, 64 7 7) # 第一个全连接层 -> 激活函数 x = F.relu(self.fc1(x)) # 第二个全连接层（输出层） x = self.fc2(x) return x```

前向传播流程

在前向传播中，我们依次执行以下操作：

1. 输入张量`x`通过第一卷积层`conv1`。
2. 然后通过ReLU激活函数（使用`F.relu`）引入非线性。
3. 接着通过最大池化层`pool`进行下采样。
4. 重复步骤1-3，通过第二组卷积、激活和池化层。
5. 使用`x.view(-1, 6477)`将特征图展平。`-1`表示让PyTorch自动计算该维度的大小（通常是批处理大小batch size）。
6. 将展平后的数据传入第一个全连接层`fc1`，再经过ReLU激活函数。
7. 最后，数据通过第二个全连接层`fc2`，得到最终的输出（如10个类别的分数/logits）。

第三步：实例化模型并检查结构

定义好类之后，我们可以创建一个模型实例，并打印其结构以确认每一层的设置是否正确。

```python# 创建模型实例model = SimpleCNN()# 打印模型结构print(model)```

为了测试数据是否能正确通过模型，我们可以创建一个随机输入张量（模拟一批数据）并进行前向传播。

```python# 生成一个随机张量模拟输入数据：批量大小=4，通道数=1，高度=28，宽度=28input_data = torch.randn(4, 1, 28, 28)# 将数据输入模型output = model(input_data)# 打印输出的形状，应为 [4, 10] （4个样本，10个类别分数）print(output.shape)```

理解输入和输出

这个简单的CNN模型现在已经构建完成。它接收一个形状为`[batch_size, 1, 28, 28]`的四维张量（分别代表批处理大小、通道数、高度、宽度），并输出一个形状为`[batch_size, 10]`的二维张量，其中包含了每个样本属于10个类别中每一类的原始分数。

要完成一个完整的图像分类任务，后续步骤通常还包括：定义损失函数（如交叉熵损失`nn.CrossEntropyLoss`）、选择优化器（如`torch.optim.Adam`）、在训练数据集上循环进行前向传播、计算损失、反向传播和参数更新。但本教程的核心目标——用PyTorch实现一个简单的CNN模型——已经成功达成。