Learning Focus
学习目标
把每节内容压缩成可以直接执行的工程判断，阅读时优先看目标，再看代码。
Focus 01
卷积层通过局部感受野提取边缘、纹理等局部特征。
Focus 02
池化层可以降低空间尺寸，减少计算量并增强平移鲁棒性。
Focus 03
CNN 常用于图像分类、检测和视觉特征提取。
理解方式
先把概念放进完整系统中理解，再用最小代码或配置确认它如何工作。
- 它解决什么问题。
- 它依赖什么组件。
- 它失败时怎么处理。
示例
代码示例突出最小可理解片段，用来连接概念和工程实践。
import torch.nn as nn
features = nn.Sequential(
nn.Conv2d(3, 16, kernel_size=3, padding=1),
nn.ReLU(),
nn.MaxPool2d(2)
)常见误区
- 只记配置项，不理解它在调用链路中的位置。
- 把示例代码直接搬进生产环境，没有补充超时、校验、日志和回退策略。
- 学习神经网络时只看框架 API，不检查输入输出形状和数据分布。
练习
输入图片为 3x64x64，经过 16 个 3x3 卷积核后通道数是多少。