7.14 CNN学习路线

如果你想系统学习CNN，按以下路线走，从基础到前沿：

第一站：LeNet（1998）——理解CNN的基本单元 学什么：卷积层、池化层、全连接层的串联方式。用MNIST手写数字识别跑通第一个CNN。搞清楚”卷积核在做什么”和”特征图是什么”。耗时约2小时。

第二站：AlexNet（2012）——理解为什么CNN能work 学什么：ReLU激活函数、Dropout防过拟合、GPU训练、数据增强。在CIFAR-10上复现AlexNet。理解”为什么2012年之前CNN不行”——不是算法问题，是数据和算力问题。耗时约3小时。

第三站：ResNet（2015）——理解残差连接 学什么：残差块的设计、批归一化（BatchNorm）、“为什么152层比8层好”。残差连接是理解Transformer的关键前置知识——Transformer的残差连接和ResNet的残差连接在数学上是一回事。耗时约3小时。

第四站：EfficientNet（2019）——理解模型效率 学什么：深度/宽度/分辨率的平衡、模型缩放、NAS（神经架构搜索）的基本概念。理解”不是越深越好，是效率越高越好”。耗时约2小时。

第五站：ViT（2020）——理解CNN的未来 学什么：图片patch化、位置编码、自注意力在图像上的应用。比较CNN和ViT在相同数据量下的效果差异。理解”CNN不会死，但纯CNN的时代结束了”。耗时约4小时。

五个阶段总耗时约14小时，覆盖了CNN从诞生到2026年的完整演进。关键原则：每个阶段都要动手写代码，不要只看不练。PyTorch的torchvision库提供了所有经典模型的预训练版本，可以直接加载和微调。

---

← 上一节：7.13 什么时候选什么技术 ｜ 下一节：章首 →