视频元信息
- 课程：吴恩达深度学习专项课程 · 卷积神经网络（CNN）· 第 1 周 1.8 节
- 时长：约 8 分 30 秒
- 主题：卷积神经网络（CNN）的完整结构示例与记号约定
内容摘要（TL;DR）
本节通过一个具体的图像分类示例，完整演示了一个三层卷积网络的结构：输入 39×39×3 的图像，经过三次卷积（3×3/1、5×5/2、5×5/2，滤波器数 10→20→40），特征图尺寸从 39→37→17→7，通道数从 3→10→20→40，最后展平为 1960 维向量送入 Softmax/逻辑回归输出分类结果。视频还指出典型 CNN 由卷积层（CONV）、池化层（POOL）、全连接层（FC）三类层构成，并总结了"空间尺寸递减、通道数递增"的普遍规律。
一、任务设定与记号回顾 [00:00]
本节承接上一节"单卷积层构建模块"的内容，目标是走通一个完整的深度卷积网络示例，同时练习记号约定。
- 任务：图像分类 / 图像识别
- 输入：图像 $x$
- 输出：判断"是不是猫"，即二分类输出 0 或 1
理解：这是一个二分类问题，但视频末尾提到也可换成 Softmax 做多分类（识别多种不同物体），只是最后一步激活函数不同。
记号约定（本节反复使用）：
- $n_H^{[l]}$：第 $l$ 层的高度
- $n_W^{[l]}$：第 $l$ 层的宽度
- $n_C^{[l]}$：第 $l$ 层的通道数（即滤波器个数）
- $f^{[l]}$：第 $l$ 层滤波器尺寸
- $s^{[l]}$：步长
- $p^{[l]}$：填充
二、输入层设定 [00:38]
- 为便于计算，示例使用较小的图像：39 × 39 × 3
- 因此第 0 层（输入层）：
- $n_H^{[0]} = n_W^{[0]} = 39$
- $n_C^{[0]} = 3$（RGB 三通道）
思考：作者特意选 39 这个数字，是为了让后续 37、17、7 这些结果"整数好看"，实际工程中图像尺寸通常为 224、256 等。
三、第一层卷积层（CONV 1）[01:06]
超参数设置：
- 滤波器尺寸：$f^{[1]} = 3$（3×3）
- 步长：$s^{[1]} = 1$
- 填充：$p^{[1]} = 0$（无填充，即 valid 卷积）
- 滤波器个数：10 个
输出尺寸计算：
$$n_{out} = \frac{n + 2p - f}{s} + 1 = \frac{39 + 0 - 3}{1} + 1 = 37$$
结果：
- 激活值 $a^{[1]}$ 的维度为 37 × 37 × 10
- $n_H^{[1]} = n_W^{[1]} = 37$
- $n_C^{[1]} = 10$（等于第一层滤波器个数）
考点：输出通道数 = 该层滤波器个数，这是最容易记混的地方。输入通道数决定每个滤波器的深度，输出通道数由滤波器个数决定。
推导：单个 3×3×3 滤波器与 39×39×3 输入做 valid 卷积，输出是 37×37 的单通道特征图；10 个滤波器堆叠，就得到 37×37×10 的立方体。
四、第二层卷积层（CONV 2）[02:43]
超参数设置：
- 滤波器尺寸：$f^{[2]} = 5$（5×5）
- 步长：$s^{[2]} = 2$（注意：步长变为 2）
- 填充：$p^{[2]} = 0$
- 滤波器个数：20 个
输出尺寸计算：
$$n_{out} = \frac{37 + 0 - 5}{2} + 1 = 16 + 1 = 17$$
结果：
- 激活值 $a^{[2]}$ 的维度为 17 × 17 × 20
- $n_H^{[2]} = n_W^{[2]} = 17$
- $n_C^{[2]} = 20$
易错点：步长为 2 时，尺寸下降速度约为原来的一半以上。37→17，缩减了 2 倍多（37/17 ≈ 2.18），这正是步长 2 带来的"快速降维"效果。
理解：步长 s 越大，卷积核在图像上滑动的跳跃越大，输出特征图越小，计算量也越小。
五、第三层卷积层（CONV 3）[03:55]
超参数设置：
- 滤波器尺寸：$f^{[3]} = 5$（5×5）
- 步长：$s^{[3]} = 2$
- 填充：$p^{[3]} = 0$
- 滤波器个数：40 个
输出尺寸计算：
$$n_{out} = \frac{17 + 0 - 5}{2} + 1 = 6 + 1 = 7$$
结果：
- 激活值 $a^{[3]}$ 的维度为 7 × 7 × 40
至此，输入 39×39×3 的图像被逐步压缩为 7×7×40 的特征表示。
考点：三层卷积后特征图尺寸变化链：39 → 37 → 17 → 7；通道数变化链：3 → 10 → 20 → 40。
六、展平与输出层 [04:34]
- 将 7×7×40 的特征立方体展平（flatten / unroll） 成向量
- 元素个数：$7 \times 7 \times 40 = 1960$
注：视频中口误说成"100,000"，实际应为 1960（转录中出现的 1,060 也是识别误差），以 7×7×40 = 1960 为准。
- 将 1960 维向量送入：
- 逻辑回归单元（Logistic Regression）：二分类（是猫 / 不是猫）
- Softmax 单元：多分类（识别多种不同物体）
- 输出最终预测结果
理解：展平这一步相当于把"空间 + 通道"的三维结构拉直成一维特征向量，之后的处理与普通全连接神经网络完全一致。
七、设计 CNN 的核心：超参数选择 [05:47]
设计卷积网络的大量工作，在于选择以下超参数：
- 滤波器尺寸（f）
- 步长（stride）
- 填充（padding）
- 滤波器个数（number of filters）
吴恩达指出，本周稍后及下周的视频会给出这些超参数选择的具体建议与准则。
本节最重要的可迁移规律（趋势）：
| 维度 | 变化趋势 | 本示例 |
|---|---|---|
| 高度 / 宽度 | 随网络加深逐渐减小 | 39 → 37 → 17 → 7 |
| 通道数 | 随网络加深逐渐增大 | 3 → 10 → 20 → 40 |
重点：这一"空间递减、通道递增"的规律在大量经典 CNN 中普遍存在（如 VGG、ResNet 等），是理解网络设计哲学的关键。
八、典型 CNN 的三类层 [07:00]
一个典型的卷积神经网络通常由三种层构成：
-
卷积层（Convolutional Layer，简称 CONV）
- 本节示例中一直使用的层
- 通过滤波器提取局部特征
-
池化层（Pooling Layer，简称 POOL）
- 本节尚未讲解，下几节会介绍
- 用于降采样、减少计算量
-
全连接层（Fully Connected Layer，简称 FC）
- 本节尚未讲解
- 类似传统神经网络的全连接结构
理解：虽然只用卷积层也能设计出不错的网络，但绝大多数网络架构都会包含若干池化层和若干全连接层。
好消息：池化层和全连接层比卷积层更简单，所以接下来两节会快速讲完。
九、后续内容预告 [08:14]
- 下一节：讲解池化层（Pooling Layer） 的实现
- 之后：讲解全连接层（Fully Connected Layer）
- 本周稍后：讲解如何训练这些网络——使用反向传播（Back Propagation），这是大家已经熟悉的方法
思考：CNN 的训练本质上仍是反向传播 + 梯度下降，卷积层和池化层只是前向传播中特殊的结构，反向传播时需要对卷积/池化操作求导（如转置卷积、池化的梯度路由）。
关键标签 / 关键词
卷积神经网络 CNN CONV 池化层 POOL 全连接层 FC 滤波器 步长 填充 valid卷积 特征图 展平 Softmax 逻辑回归 图像分类 超参数 吴恩达 深度学习
生成时间：2026-10-10 22:49:42 生成平台：VideoNote www.xygy.top
