1. 從一次模型改造翻車說起前陣子幫一個做圖像分割的朋友改網(wǎng)絡結構他拿著一個分類網(wǎng)絡想直接套到分割任務上結果訓練時loss死活降不下去推理出來的mask全是糊的。我一看代碼問題出在他把最后的全連接層刪掉之后直接接了個上采樣中間的特征圖維度完全對不上。這個坑其實特別典型——很多人學深度學習時卷積層和全連接層都寫過但真到要替換、要改造的時候腦子里對這兩者的本質區(qū)別是模糊的。全連接層和全卷積層名字聽著像親戚實際在計算方式、參數(shù)結構、適用場景上差別很大。這篇文章就從PyTorch代碼出發(fā)把這兩者的區(qū)別徹底講清楚。不管你是剛學完CNN基礎想進一步理解網(wǎng)絡設計還是正在做分類到分割、檢測的遷移改造這些內容都能直接拿來參考。我會把每一層的張量形狀變化、參數(shù)量計算、代碼實現(xiàn)都拆開講保證你看完能自己動手改網(wǎng)絡。核心關鍵詞就三個全連接層、全卷積層、PyTorch實現(xiàn)。這三個詞貫穿全文也是理解兩者區(qū)別的關鍵抓手。2. 全連接層與全卷積層的本質差異2.1 從數(shù)學運算看兩者的根本不同全連接層的核心運算就是矩陣乘法。假設輸入是一個長度為N的向量輸出是長度為M的向量那么這一層做的就是 y Wx b其中W是M×N的權重矩陣。每個輸出神經(jīng)元都和所有輸入神經(jīng)元相連所以叫“全連接”。在PyTorch里對應的是nn.Linear(in_features, out_features)。全卷積層本質上還是卷積操作但它和普通卷積在使用方式上有區(qū)別。普通卷積層通常后面會接全連接層做分類而全卷積層的意思是整個網(wǎng)絡從頭到尾只有卷積、池化、上采樣這類操作沒有任何全連接層。它輸出的是一個空間維度的特征圖而不是一個固定長度的向量。用一個生活化的類比全連接層像是一個“投票系統(tǒng)”每個輸入都要參與每個輸出的決策權重矩陣就是投票規(guī)則全卷積層像是一個“掃描儀”用一個固定大小的窗口在輸入上滑動每個位置都做同樣的計算輸出的是同樣空間結構的掃描結果。這個差異帶來的直接后果是全連接層要求輸入尺寸固定因為權重矩陣的維度是寫死的全卷積層對輸入尺寸沒有硬性要求因為卷積核的參數(shù)量和輸入空間尺寸無關只和通道數(shù)、核大小有關。2.2 參數(shù)量對比為什么全連接層容易爆參數(shù)拿一個具體例子算一下。假設經(jīng)過前面的卷積和池化特征圖尺寸是7×7×512現(xiàn)在要接一個輸出10類的分類頭。如果用全連接層nn.Linear(7*7*512, 10)參數(shù)量是 7×7×512×10 10 250,890。這還只是7×7的情況如果是14×14×512參數(shù)量直接變成 14×14×512×10 10 ≈ 100萬。這就是為什么VGG這類網(wǎng)絡大部分參數(shù)都集中在最后幾個全連接層。如果用全卷積的方式假設用nn.Conv2d(512, 10, kernel_size7)參數(shù)量是 512×10×7×7 10 250,890。誒這個例子里參數(shù)量一樣對因為7×7的卷積核作用在7×7的輸入上感受野覆蓋了整個空間計算上等價于全連接。但關鍵在于如果輸入變成14×14全卷積層的參數(shù)量還是250,890而全連接層就爆了。注意全卷積層不是“沒有參數(shù)”而是參數(shù)量和輸入空間尺寸解耦。這是它最核心的優(yōu)勢。2.3 空間信息的保留與破壞全連接層會把空間維度展平flatten7×7×512變成25088的一維向量。這個操作直接丟掉了“哪個特征在哪個位置”的信息。對于分類任務我們只關心“圖里有沒有貓”不關心貓在左上角還是右下角所以丟掉空間信息無所謂。但對于分割、檢測、關鍵點定位這類任務空間位置就是答案本身。你不可能把每個像素的類別都展平成一個向量再分類那樣參數(shù)量天文數(shù)字不說位置信息也全亂了。全卷積層輸出的特征圖保持了H×W的空間結構每個位置都有對應的預測結果天然適合這類密集預測任務。3. PyTorch代碼逐行拆解3.1 全連接層的PyTorch實現(xiàn)與形狀追蹤先寫一個最簡的全連接層示例把每一步的張量形狀都打印出來。import torch import torch.nn as nn # 模擬一個batch的數(shù)據(jù)batch_size2, 特征維度8 x torch.randn(2, 8) print(輸入形狀:, x.shape) # torch.Size([2, 8]) # 全連接層8維輸入4維輸出 fc nn.Linear(8, 4) y fc(x) print(輸出形狀:, y.shape) # torch.Size([2, 4]) # 查看權重和偏置的形狀 print(權重形狀:, fc.weight.shape) # torch.Size([4, 8]) print(偏置形狀:, fc.bias.shape) # torch.Size([4])這里nn.Linear(8, 4)的權重矩陣是4×8計算時是 x W.T b。輸入是(2, 8)輸出是(2, 4)。batch維度不受影響只變換特征維度。再看一個卷積網(wǎng)絡里常見的全連接層接法# 模擬卷積特征圖輸出batch2, channels512, H7, W7 feature torch.randn(2, 512, 7, 7) # 先展平 flattened feature.view(feature.size(0), -1) print(展平后形狀:, flattened.shape) # torch.Size([2, 25088]) # 接全連接層 fc nn.Linear(512 * 7 * 7, 10) output fc(flattened) print(分類輸出形狀:, output.shape) # torch.Size([2, 10])關鍵點在于view(feature.size(0), -1)這一步它把每個樣本的512×7×725088個值拉成一維。如果輸入圖片尺寸變了比如變成224×224經(jīng)過同樣的卷積后特征圖可能是7×7但如果輸入是320×320特征圖可能變成10×10這時候nn.Linear(512*7*7, 10)就會報維度不匹配的錯誤。3.2 全卷積層的PyTorch實現(xiàn)與形狀追蹤同樣的輸入用全卷積的方式處理# 同樣的特征圖batch2, channels512, H7, W7 feature torch.randn(2, 512, 7, 7) # 用1x1卷積做通道變換輸出10個通道 conv1x1 nn.Conv2d(512, 10, kernel_size1) output conv1x1(feature) print(1x1卷積輸出形狀:, output.shape) # torch.Size([2, 10, 7, 7]) # 用7x7卷積輸出空間尺寸變成1x1 conv7x7 nn.Conv2d(512, 10, kernel_size7) output2 conv7x7(feature) print(7x7卷積輸出形狀:, output2.shape) # torch.Size([2, 10, 1, 1])注意nn.Conv2d(512, 10, kernel_size7)的輸出是(2, 10, 1, 1)如果把它view(2, 10)就和全連接層的輸出完全一樣。事實上當卷積核大小等于輸入空間尺寸時卷積操作在數(shù)學上等價于全連接。但如果輸入變成14×14feature_large torch.randn(2, 512, 14, 14) output3 conv7x7(feature_large) print(大輸入7x7卷積輸出:, output3.shape) # torch.Size([2, 10, 8, 8])看到了嗎同樣的卷積層輸入變大輸出也變大參數(shù)量不變。這就是全卷積層對輸入尺寸魯棒的原因。3.3 兩者互相轉換的代碼實操把全連接層轉成等效的卷積層是網(wǎng)絡改造中的常見操作。假設有一個訓練好的分類網(wǎng)絡最后的全連接層是nn.Linear(512*7*7, 10)可以這樣轉換# 原始全連接層 fc nn.Linear(512 * 7 * 7, 10) # 等效的卷積層 conv_equivalent nn.Conv2d(512, 10, kernel_size7) # 把全連接層的權重復制到卷積層 # fc.weight形狀是(10, 512*7*7)需要reshape成(10, 512, 7, 7) conv_equivalent.weight.data fc.weight.data.view(10, 512, 7, 7) conv_equivalent.bias.data fc.bias.data # 驗證等價性 feature torch.randn(1, 512, 7, 7) flattened feature.view(1, -1) out_fc fc(flattened) out_conv conv_equivalent(feature).view(1, -1) print(全連接輸出:, out_fc) print(卷積輸出:, out_conv) print(最大差異:, (out_fc - out_conv).abs().max().item())實測下來兩者輸出差異在浮點誤差范圍內通常小于1e-5。這個轉換在把分類網(wǎng)絡改成全卷積網(wǎng)絡時非常有用可以直接復用預訓練權重。反過來把全卷積層轉成全連接層也有場景比如你想把某個全卷積網(wǎng)絡的輸出接一個固定類別的分類頭。但這種情況比較少因為全卷積本身就能做分類取全局平均池化后接全連接也行。4. 實際網(wǎng)絡改造中的選擇與踩坑4.1 分類網(wǎng)絡改分割網(wǎng)絡的全卷積化流程拿一個典型的分類網(wǎng)絡舉例假設它前面是若干卷積和池化最后是全局平均池化加全連接。要改成分割網(wǎng)絡步驟大致如下第一步去掉最后的全局平均池化和全連接層。第二步把剩下的卷積部分作為編碼器。第三步接一個解碼器用轉置卷積或插值上采樣逐步恢復空間分辨率。第四步最后用一個1×1卷積輸出類別數(shù)通道的特征圖。class SimpleSegNet(nn.Module): def __init__(self, num_classes): super().__init__() # 編碼器部分假設輸入3通道 self.encoder nn.Sequential( nn.Conv2d(3, 64, 3, padding1), nn.ReLU(), nn.MaxPool2d(2), nn.Conv2d(64, 128, 3, padding1), nn.ReLU(), nn.MaxPool2d(2), nn.Conv2d(128, 256, 3, padding1), nn.ReLU(), ) # 解碼器部分 self.decoder nn.Sequential( nn.ConvTranspose2d(256, 128, 2, stride2), nn.ReLU(), nn.ConvTranspose2d(128, 64, 2, stride2), nn.ReLU(), nn.Conv2d(64, num_classes, 1) # 1x1卷積輸出類別 ) def forward(self, x): feat self.encoder(x) out self.decoder(feat) return out model SimpleSegNet(num_classes5) test_input torch.randn(2, 3, 128, 128) test_output model(test_input) print(分割輸出形狀:, test_output.shape) # torch.Size([2, 5, 128, 128])注意最后的輸出是(2, 5, 128, 128)每個像素位置都有5個類別的預測值。如果要做像素級分類直接對這個輸出做softmax然后算交叉熵就行。4.2 輸入尺寸不固定時的處理策略全卷積網(wǎng)絡雖然對輸入尺寸魯棒但實際用的時候還是要注意幾個點。第一如果網(wǎng)絡里有下采樣操作比如stride2的卷積或池化輸入尺寸最好是2的冪次或者能被整除的數(shù)否則上采樣后尺寸可能對不上。第二如果用了padding要注意padding方式對邊界的影響。一個實用的技巧是在forward里動態(tài)獲取輸入尺寸然后在上采樣時用nn.functional.interpolate指定目標尺寸。import torch.nn.functional as F class FlexibleSegNet(nn.Module): def __init__(self, num_classes): super().__init__() self.conv1 nn.Conv2d(3, 64, 3, padding1) self.conv2 nn.Conv2d(64, 128, 3, padding1) self.conv3 nn.Conv2d(128, num_classes, 1) def forward(self, x): input_size x.shape[2:] # 記錄輸入的空間尺寸 x F.relu(self.conv1(x)) x F.max_pool2d(x, 2) x F.relu(self.conv2(x)) x F.max_pool2d(x, 2) x self.conv3(x) # 上采樣回輸入尺寸 x F.interpolate(x, sizeinput_size, modebilinear, align_cornersFalse) return x這樣不管輸入是128×128還是256×256輸出都和輸入空間尺寸一致。4.3 參數(shù)量與顯存占用的實測對比在同樣的特征圖尺寸下全連接層和全卷積層的參數(shù)量可能相同但顯存占用和計算方式有差異。全連接層需要先把特征圖展平這個操作本身不占額外顯存view是共享內存的但全連接層的矩陣乘法在底層實現(xiàn)上可能不如卷積高效。實測一個具體場景輸入(8, 512, 7, 7)輸出10類。層類型配置參數(shù)量前向顯存(約)全連接Linear(51277, 10)250,890較大全卷積Conv2d(512, 10, 7)250,890較小全卷積Conv2d(512, 10, 1) 全局池化5,130最小1×1卷積加全局平均池化的方案參數(shù)量最少而且對輸入尺寸完全魯棒。這也是很多現(xiàn)代網(wǎng)絡如ResNet、DenseNet最后用全局平均池化代替全連接層的原因。實操心得如果你的任務不需要空間輸出只是做分類優(yōu)先考慮全局平均池化加1×1卷積或直接接線性層。如果要做密集預測全卷積是唯一選擇。5. 常見問題與排查技巧5.1 維度不匹配報錯的排查思路最常見的報錯就是RuntimeError: mat1 and mat2 shapes cannot be multiplied或者size mismatch。排查步驟第一在報錯的那一行前面打印輸入張量的形狀。第二確認全連接層的in_features是否等于輸入張量的最后一維。第三如果是卷積網(wǎng)絡接全連接確認展平后的維度計算是否正確。一個容易犯的錯誤是輸入圖片尺寸變了但全連接層的in_features還是按原來的尺寸寫的。比如訓練時用224×224推理時用256×256卷積部分輸出的特征圖空間尺寸變了展平后維度就對不上。解決方法有兩種一是推理時也resize到224×224二是把全連接層換成全卷積層或全局平均池化。5.2 全卷積網(wǎng)絡輸出尺寸對不上的處理全卷積網(wǎng)絡里如果有下采樣和上采樣輸出尺寸可能和輸入差幾個像素。比如輸入129×129經(jīng)過兩次stride2的池化變成33×33向下取整再經(jīng)過兩次轉置卷積上采樣變成132×132和輸入129×129不一致。處理方式用F.interpolate強制對齊到輸入尺寸或者在網(wǎng)絡設計時確保輸入尺寸是2的冪次。如果做分割任務輸出和輸入尺寸不一致會導致loss計算報錯所以這一步必須處理。5.3 預訓練權重加載時的層名匹配問題把分類網(wǎng)絡的全連接層換成卷積層后加載預訓練權重時卷積層的參數(shù)名和原來的全連接層不一樣。比如原來叫classifier.0.weight現(xiàn)在叫backbone.conv_out.weight。這時候需要手動映射。# 假設pretrained_dict是原始模型的權重 pretrained_dict torch.load(model.pth) model_dict model.state_dict() # 手動映射需要轉換的層 pretrained_dict[backbone.conv_out.weight] pretrained_dict.pop(classifier.0.weight).view(10, 512, 7, 7) pretrained_dict[backbone.conv_out.bias] pretrained_dict.pop(classifier.0.bias) # 過濾掉不需要的層 pretrained_dict {k: v for k, v in pretrained_dict.items() if k in model_dict} model_dict.update(pretrained_dict) model.load_state_dict(model_dict)這個操作在實際改造中很常見尤其是用ImageNet預訓練模型做遷移學習時。5.4 常見問題速查表問題現(xiàn)象可能原因解決方法全連接層維度報錯輸入尺寸變化導致展平維度改變改用全卷積或全局平均池化全卷積輸出尺寸不對下采樣和上采樣不對稱用interpolate對齊尺寸預訓練權重加載失敗層名或形狀不匹配手動映射權重并reshape顯存爆了全連接層參數(shù)量過大換全局平均池化1x1卷積分割邊緣效果差上采樣丟失細節(jié)加skip connection融合淺層特征6. 幾個容易忽略的細節(jié)全連接層和全卷積層的選擇本質上是在“參數(shù)量效率”和“空間信息保留”之間做權衡。分類任務里空間信息是冗余的全連接層或全局池化都能用密集預測任務里空間信息就是標簽必須用全卷積。還有一個細節(jié)全連接層的權重矩陣是稠密的每個輸入都參與每個輸出的計算。全卷積層的卷積核是稀疏連接的每個輸出只和局部輸入有關。這個差異導致全連接層更容易過擬合尤其是在參數(shù)量大的時候。全卷積層因為參數(shù)共享泛化能力通常更好。最后分享一個我在實際改造網(wǎng)絡時的習慣先把原網(wǎng)絡在驗證集上跑一遍記錄輸出形狀和關鍵層的特征圖尺寸。改造完之后用同樣的輸入再跑一遍逐層對比形狀變化。這樣能快速定位是哪一層出了問題比盲目調試效率高很多。