构建一个简单的CNN架构

Conv2D和MaxPooling2D层等组成部分可以组装成一个可以工作的、简单的卷积神经网络架构。CNN的主要优势在于通过有策略地堆叠这些层，以形成一个特征检测器的层次结构。

对于CNN架构，尤其是在分类任务中，一种常见的模式包含两个主要部分：

1. 卷积层组： 一系列Conv2D和MaxPooling2D层，负责从输入图像中提取特征。它处理空间信息并学习不同抽象级别的表示。
2. 分类器头部： 通常由Flatten层和一个或多个Dense层组成，这些层位于卷积层组之上。它接收提取的特征并执行最终的分类任务。

下面我们来详细说明如何使用Keras Sequential API构建这种结构。

构建卷积层组

卷积层组通常以接收输入图像的Conv2D层开始。请记住在模型的第一层中指定input_shape参数。这个形状通常包含高度、宽度和颜色通道的数量（例如，对于32x32的RGB图像，形状为(32, 32, 3)）。

然后我们交替使用Conv2D和MaxPooling2D层。一种常见做法是在较靠后的卷积层中增加滤波器数量（Conv2D的第一个参数）。这使得网络能够学习更复杂的模式，因为空间维度会因池化操作而减小。

• Conv2D层： 这些层应用卷积滤波器来检测局部模式。使用ReLU（activation='relu'）等激活函数会引入非线性。
• MaxPooling2D层： 这些层对特征图进行下采样，降低维度，并使学习到的特征对物体位置的变化更稳定。典型的pool_size=(2, 2)会将特征图的高度和宽度减半。

下面是如何在Keras中开始构建卷积层组：

import keras
from keras import layers

# 假设输入图像是32x32的RGB图像
input_shape = (32, 32, 3)

# 开始构建卷积层组
model = keras.Sequential(name="simple_cnn_base")
model.add(layers.Input(shape=input_shape)) # 使用Input层明确定义形状

# 第一个卷积块
model.add(layers.Conv2D(filters=32, kernel_size=(3, 3), activation='relu'))
model.add(layers.MaxPooling2D(pool_size=(2, 2)))

# 第二个卷积块
model.add(layers.Conv2D(filters=64, kernel_size=(3, 3), activation='relu'))
model.add(layers.MaxPooling2D(pool_size=(2, 2)))

# （如果需要，可添加更多块）

print("卷积层组后的输出形状:", model.output_shape)
# 卷积层组后的输出形状示例: (None, 5, 5, 64)
# 注意：具体形状取决于input_shape、padding、strides和块的数量。

卷积层组的输出是一组特征图（例如，形状为(None, 5, 5, 64)），表示从输入中提取的高级特征。None维度表示批量大小，它可以是变化的。

一个包含两个块的卷积层组的简化流程图。

使用Flatten层进行转换

卷积层组的输出是一个3D张量（高度、宽度、通道）。然而，标准的Dense层期望1D向量输入。这时Flatten层就发挥作用了。它简单地将多维特征图重塑为一个单一的长向量，丢弃空间结构但保留了学习到的特征信息。

你将Flatten层直接添加到基础层组的最后一个池化层或卷积层之后：

# 继续之前的模型定义...

model.add(layers.Flatten())

print("Flatten层后的输出形状:", model.output_shape)
# Flatten层后的输出形状示例: (None, 1600) (因为 5 * 5 * 64 = 1600)

添加分类器头部

既然特征已展平为一个1D向量，我们就可以添加一个或多个Dense层来执行分类任务。

• 一种常见方法是添加至少一个中间Dense层，并使用ReLU等非线性激活函数。此层会学习卷积层组提取的特征组合。
• 最后的Dense层必须具有等于分类问题中类别数量的单元数。其激活函数取决于分类的性质：
  • softmax：用于多类别分类（每个输入仅属于一个类别）。
  • sigmoid：用于二分类或多标签分类（每个输入可以属于多个类别）。

现在，让我们为10类别分类问题（如MNIST或CIFAR-10）完成我们的简单CNN架构：

import keras
from keras import layers

# --- 定义完整的模型 ---
num_classes = 10
input_shape = (32, 32, 3) # 类似于CIFAR-10数据的示例

model = keras.Sequential(
    [
        layers.Input(shape=input_shape),

        # 卷积层组
        layers.Conv2D(32, kernel_size=(3, 3), activation="relu"),
        layers.MaxPooling2D(pool_size=(2, 2)),
        layers.Conv2D(64, kernel_size=(3, 3), activation="relu"),
        layers.MaxPooling2D(pool_size=(2, 2)),
        # 可以在这里添加更多Conv/Pool层

        # 转换为分类器
        layers.Flatten(),

        # 分类器头部
        layers.Dropout(0.5), # 添加Dropout用于正则化（稍后会介绍）
        layers.Dense(128, activation="relu"), # 中间Dense层
        layers.Dense(num_classes, activation="softmax"), # 输出层
    ],
    name="simple_cnn_classifier",
)

# 显示模型架构
model.summary()

运行model.summary()将产生类似于以下的输出（具体数字取决于所选的层）：

Model: "simple_cnn_classifier"
┏━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━┓
┃ Layer (type)                    ┃ Output Shape              ┃    Param # ┃
┡━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━┩
│ conv2d (Conv2D)                 │ (None, 30, 30, 32)        │        896 │
├─────────────────────────────────┼───────────────────────────┼────────────┤
│ max_pooling2d (MaxPooling2D)    │ (None, 15, 15, 32)        │          0 │
├─────────────────────────────────┼───────────────────────────┼────────────┤
│ conv2d_1 (Conv2D)               │ (None, 13, 13, 64)        │     18,496 │
├─────────────────────────────────┼───────────────────────────┼────────────┤
│ max_pooling2d_1 (MaxPooling2D)  │ (None, 6, 6, 64)          │          0 │
├─────────────────────────────────┼───────────────────────────┼────────────┤
│ flatten (Flatten)               │ (None, 2304)              │          0 │
├─────────────────────────────────┼───────────────────────────┼────────────┤
│ dropout (Dropout)               │ (None, 2304)              │          0 │
├─────────────────────────────────┼───────────────────────────┼────────────┤
│ dense (Dense)                   │ (None, 128)               │    295,040 │
├─────────────────────────────────┼───────────────────────────┼────────────┤
│ dense_1 (Dense)                 │ (None, 10)                │      1,290 │
└─────────────────────────────────┴───────────────────────────┴────────────┘
 Total params: 315,722 (1.20 MB)
 Trainable params: 315,722 (1.20 MB)
 Non-trainable params: 0 (0.00 B)

这份摘要清楚地显示了层的序列、每个阶段的输出形状以及可训练参数的数量。请注意，空间维度（高度和宽度）在卷积层组中如何减小，而通道（滤波器）的数量通常会增加。展平后，数据会通过标准的全连接层进行分类。

这种结构是许多成功应用于图像识别的CNN的构成要素。虽然简单，但它包含了使用卷积和池化进行分层特征提取，以及随后使用全连接层进行分类的核心思想。在接下来的章节中，我们将了解如何准备图像数据并训练这样一个网络。