CNN 两章：从 LeNet 到 ResNet

卷积：拿着放大镜看图片

让电脑看图，直接上 MLP 有个问题：一张 100 万像素的图摊平成一长串数字，「谁挨着谁」的空间关系全丢了。卷积神经网络（CNN）的办法是拿一个小「放大镜」（卷积核，比如 3×3）在图上滑动，专门找局部图案：第一层找边缘和色块，第二层拼出纹理和形状，再往上拼出眼睛、轮廓、整只猫。层层抽象，这就是 CNN 看世界的逻辑。

从 LeNet 到 ResNet 的进化史

• LeNet（1998）：LeCun 设计，识别美国邮政手写的邮编数字，是最早成功商用的 CNN——银行支票识别也靠它
• AlexNet（2012）：在 ImageNet 大赛（1400 万张图、1000 个类别）上把错误率从前一年的 26% 打到 15%，一举点燃全球深度学习热潮
• VGG、GoogLeNet（2014）：证明「更深」有效，但深度很快撞墙——层数一多，训练反而变差
• ResNet（2015）：何恺明等人的「残差连接」——给网络修一条「抄近道」的旁路，让信息可以跳过几层直达后方，结果一口气把网络堆到 152 层还更深，拿下当年冠军

常见误区

「网络越深必然越好」是错的：没有残差连接时，硬加深层数会出现「退化」——训练误差不降反升。ResNet 的智慧不在于深，而在于那条近道。

练一练：在书里找到 AlexNet 和 ResNet 的结构图，比一比：层数差多少？ResNet 的「近道」画在图上是什么样？