終于等到了這個交互式學(xué)習(xí)神器，把 CNN 的工作過程畫得明明白白，幫助萌新輕松入門。

什么是 CNN？Convolutional Neural Network，中文譯為「卷積神經(jīng)網(wǎng)絡(luò)」。 這個常見但有些深奧的詞匯，只可意會，不能言傳。如果打開教材，會看到這樣一些解釋：

卷積層是深度神經(jīng)網(wǎng)絡(luò)在處理圖像時十分常用的一種層。當(dāng)一個深度神經(jīng)網(wǎng)絡(luò)以卷積層為主體時，我們也稱之為卷積神經(jīng)網(wǎng)絡(luò)。

神經(jīng)網(wǎng)絡(luò)中的卷積層就是用卷積運(yùn)算對原始圖像或者上一層的特征進(jìn)行變換的層……

說得很有道理，但如果將一張圖片作為輸入，這張圖片究竟會在卷積神經(jīng)網(wǎng)絡(luò)中經(jīng)歷什么？這可真是太考驗想象力了。 最近，來自佐治亞理工學(xué)院與俄勒岡州立大學(xué)的研究者們，考慮到初學(xué)者和非專業(yè)人士的學(xué)習(xí)痛點(diǎn)，合作開發(fā)出了一款卷積神經(jīng)網(wǎng)絡(luò)交互式可視化工具——CNN 解釋器（CNN Explainer）。這個解釋器展示了一個 10 層的神經(jīng)網(wǎng)絡(luò)，包含卷積層、激活函數(shù)、池化層等多個 CNN 初學(xué)者無論如何也繞不開的概念。

這個工具到底把 CNN 展示得有多明白？簡單來說，項目作者已經(jīng)給你做好了一個可以交互的界面，各種層、激活函數(shù)都鋪在眼前。你只需要打開瀏覽器加載出這個界面，移動鼠標(biāo)點(diǎn)來點(diǎn)去就可以了。

CNN Explainer 使用 TensorFlow.js 加載預(yù)訓(xùn)練模型進(jìn)行可視化效果，交互方面則使用 Svelte 作為框架并使用 D3.js 進(jìn)行可視化。最終的成品即使對于完全不懂的新手來說，也沒有使用門檻。下面我們來看一下具體的效果。 卷積層 既然是卷積網(wǎng)絡(luò)，我們就先來看一下卷積層是怎么工作的。卷積層包含學(xué)習(xí)的卷積核，可以提取出每張圖像獨(dú)有的特征，因此是 CNN 的基礎(chǔ)。 當(dāng)你與卷積層進(jìn)行交互的時候，前面的層與卷積層之間會出現(xiàn)很多連線，其中的每條線都代表一個獨(dú)特的卷積核。這些卷積核用于卷積運(yùn)算，以生成當(dāng)前卷積神經(jīng)元的輸出或激活圖。 以交互圖中的 Tiny VGG 架構(gòu)為例?？梢钥吹?，它的第一個卷積層有 10 個神經(jīng)元，但前一層只有 3 個神經(jīng)元。聚焦于第一個卷積層頂端卷積神經(jīng)元的輸出，如果我們將鼠標(biāo)懸停在激活圖上，就可以看到這里有 3 個獨(dú)特的卷積核。

圖 1：如果將鼠標(biāo)懸停在第一個卷積層最前面的激活圖上，就可以看到此處應(yīng)用了 3 個卷積核來得到此激活圖。點(diǎn)擊此激活圖，可以看到每個卷積核都進(jìn)行了卷積運(yùn)算。

圖 2：用來生成上述激活圖頂端中間結(jié)果的卷積核。 激活函數(shù)ReLU ReLu 是 CNN 中的非常常用的一種非線性激活函數(shù)，可以加快 CNN 的訓(xùn)練速度。它是一種一對一的數(shù)學(xué)運(yùn)算：

點(diǎn)擊交互圖中的 ReLU 神經(jīng)元就能觀察到這個激活函數(shù)是如何工作的：

Softmax 在卷積神經(jīng)網(wǎng)絡(luò)中，Softmax 函數(shù)通常用于分類模型輸出。在這個 CNN 解釋器里，點(diǎn)擊最后一層，即可顯示網(wǎng)絡(luò)中的 Softmax 運(yùn)算過程：

在 Softmax 的這部分視圖中，用戶可以體驗不同顏色的 logit 和公式交互，從而了解在 Flatten 層之后，預(yù)測分?jǐn)?shù)是如何歸一化從而產(chǎn)生分類結(jié)果的。 池化層 不同的 CNN 架構(gòu)有很多不同類型的池化層，但它們的目的都是逐漸縮小網(wǎng)絡(luò)的空間范圍，從而降低網(wǎng)絡(luò)的參數(shù)量和整體計算量。 這個交互圖里使用的池化類型是 Max-Pooling，其過程可以通過點(diǎn)擊圖中的池化神經(jīng)元來觀察：

Flatten 層 這一層將網(wǎng)絡(luò)中一個三維的層轉(zhuǎn)變?yōu)橐粋€一維向量，之后將其輸入到全連接層用于分類。因為用于分類的 softmax 函數(shù)需要一維向量作為輸入（此處不包括 batch 維），因此需要用到 Flatten 層。 通過點(diǎn)擊任意一個輸出類別可查看該層是如何工作的。