卷积网络CNN：看图的高手

图片为什么不能直接喂给普通网络

一张 1000×1000 的照片有 300 万个数字，若每个都连到下一层的 100 个神经元，光第一层就要 3 亿个权重——算不动，也学不好。卷积网络（CNN）用了一个聪明的假设：识别一个图案，只需要看局部。猫的眼睛在哪里不重要，重要的是「这一小片区域像不像眼睛」。

卷积核：一块滑动的印章

卷积核是一个小方块（比如 3×3，只有 9 个参数），它像印章一样在整张图上从左到右、从上往下滑，每到一处就算一次匹配度。关键在参数共享：同一个印章盖遍全图，所以 9 个参数就能检查 300 万个位置——参数量暴降，还顺带获得「图案换个位置也能认出」的能力。一层层叠上去：第一层认边缘，中间认纹理和部件，高层认整张脸。

两个里程碑

1998 年 LeCun 的 LeNet 已经能识别邮局手写的邮政编码；2012 年 AlexNet 在 ImageNet 大赛上把错误率从 26% 一举压到 15%，引爆了整个深度学习浪潮。《动手学深度学习》用「卷积神经网络」加「现代卷积神经网络」两章讲完这段历史。

常见误区

卷积不是把图「卷起来」，而是模板滑窗匹配；另外 CNN 也不是万能的——它擅长局部图案，理解全局关系要靠更后面学的注意力。

练一练：找出手机里两处用到 CNN 的地方（如人脸解锁、相册人物分类），说说它们各自在「看」什么。