卷积神经网络 (CNN) 是一种深度学习模型，旨在通过自动学习空间特征层次结构来处理网格状数据，例如图像。 它们通过一系列卷积层、池化层和激活函数来实现这一点。 与将输入数据视为扁平向量的传统神经网络不同，CNN 保留了输入的空间结构（例如，图像像素），并使用滤波器（或内核）来扫描局部区域，检测边缘、纹理或形状等模式。 这些滤波器在训练期间学习，使网络能够适应与任务相关的特定特征，例如对图像进行分类或检测对象。
CNN 的核心操作是卷积层，其中滤波器滑过输入数据，计算滤波器权重与输入的局部区域之间的点积。 例如，应用于 32x32 像素图像的 3x3 滤波器将生成一个特征图，突出显示特定模式（如垂直边缘）出现的位置。 步幅（滤波器每次移动的距离）和填充（在输入周围添加零以控制输出大小）是这里的关键超参数。 卷积之后，应用诸如 ReLU（修正线性单元）之类的激活函数来引入非线性，使网络能够对复杂关系进行建模。 然后，池化层（例如，最大池化）对特征图进行下采样，从而减少计算负载并使网络对小的空间偏移不变。 例如，最大池化可能会获取 2x2 区域并仅保留最高值，从而有效地概括最突出的特征。
在更深层次的层中，CNN 将低级特征（边缘）组合成更高级别的抽象（形状、对象）。 最后的层通常将空间数据展平为向量，并将其传递到全连接层以进行分类或回归。 在训练期间，反向传播会调整滤波器权重以最大程度地减少预测误差。 例如，在手写数字 (MNIST) 上训练的 CNN 可能会从早期层中的边缘检测器开始，然后将它们组装成循环和线条，最后识别特定于数字的结构。 实施 CNN 的开发人员通常会根据问题的复杂性调整滤波器大小、步幅、池化方法和层深度。 诸如 TensorFlow 或 PyTorch 之类的框架通过提供预构建的层和优化工具来简化 CNN 的构建，但理解核心机制（例如滤波器如何提取特征或池化如何减少维数）对于调试和提高模型性能至关重要。