第9章 卷积网络

为什么从这个问题开始

“第9章 卷积网络”围绕“怎样从核、步幅、填充和感受野推导每层输出shape并验证平移结构？”建立贯穿任务：追踪一批图像经过卷积、池化与输出头。先写下哪个输入、shape、状态、目标、梯度、估计或评估会先变化，再运行参考、故障和恢复路径；运行后补理由不算预测。只有“第9章 卷积网络”守住“轴顺序、核、步幅、填充、通道、感受野和输出任务必须一致”并交付空间shape账本、感受野图与等变性反例，最终分数、似然、重构、样本或部署结果才构成机制证据。

书目、353个正式坐标与许可边界

“第9章 卷积网络”以MIT Press书目页核对Ian Goodfellow、Yoshua Bengio、Aaron Courville著 Deep Learning：精装ISBN 9780262035613，2016年11月18日出版，800页；MIT Press同时把作者托管版列为开放访问资源，并标注CC BY-NC-ND 4.0。开放阅读不等于允许演绎，“第9章 卷积网络”不复制、翻译或改写受保护正文，只把原版公开目录与可定位章节用作范围和事实核对。

“第9章 卷积网络”以作者官方目录核对3个部分、20章和164个一级节，再以人民邮电出版社官方中文书页核对166个二级节、中文书名、ISBN 9787115461476和2017年8月出版信息；合计353个正式目录坐标。出版社页面中“有效有效”、缺空格等排版噪声已按英文原版标题规范化，但没有新增原版不存在的章节。

“第9章 卷积网络”的中文讲解、状态图、数值实验、练习与答案均为独立教学重写；2016年以后出现的框架行为或研究进展必须带当前时间标签，不能倒填为原书原话。章专属核对 1、章专属核对 2只用于核对本页算法、API或实验边界，不能反向证明原书采用本站表述。

原版目录层级与可验证机制

第9章 卷积网络

正式坐标 1/12。 目录原文键 第9章 卷积网络。在“第9章 卷积网络”的第1个坐标中，「第9章 卷积网络」通过推导局部连接、共享参数和空间输出shape推进局部连接、共享与空间shape；复核者保存核、步幅、填充、通道、感受野与等变性反例，一旦出现轴语义错位但输出shape仍合法就撤回结论。

9·1 卷积运算

正式坐标 2/12。 目录原文键 9.1 卷积运算。围绕“怎样从核、步幅、填充和感受野推导每层输出shape并验证平移结构？”，“第9章 卷积网络”在坐标2把「9·1 卷积运算」落实为推导局部连接、共享参数和空间输出shape；只有核、步幅、填充、通道、感受野与等变性反例可复算且反例排除轴语义错位但输出shape仍合法，本节点才算掌握。

9·2 动机

正式坐标 3/12。 目录原文键 9.2 动机。“第9章 卷积网络”的原版节点3「9·2 动机」不能停在名词解释：它要把“动机”放进局部连接、共享与空间shape的章专属计算链，交付第9章 卷积网络的输入、状态变化、输出、反例与边界，并用只复述“动机”名称而没有可观察状态和独立证据作为单一反事实检查。

9·3 池化

正式坐标 4/12。 目录原文键 9.3 池化。对“第9章 卷积网络”而言，「9·3 池化」在第4次检查中改变可观察状态，因为它负责推导局部连接、共享参数和空间输出shape；核、步幅、填充、通道、感受野与等变性反例必须与“轴顺序、核、步幅、填充、通道、感受野和输出任务必须一致”对齐，不能接受轴语义错位但输出shape仍合法。

9·4 作为无限强先验的卷积与池化

正式坐标 5/12。 目录原文键 9.4 作为无限强先验的卷积与池化。目录原文「9·4 作为无限强先验的卷积与池化」进入“第9章 卷积网络”后形成第5个实验合同：先推导局部连接、共享参数和空间输出shape，再保存核、步幅、填充、通道、感受野与等变性反例；若发生轴语义错位但输出shape仍合法，从同一输入快照恢复。

9·5 基本卷积函数的变体

正式坐标 6/12。 目录原文键 9.5 基本卷积函数的变体。在“第9章 卷积网络”的第6个坐标中，「9·5 基本卷积函数的变体」通过推导局部连接、共享参数和空间输出shape推进局部连接、共享与空间shape；复核者保存核、步幅、填充、通道、感受野与等变性反例，一旦出现轴语义错位但输出shape仍合法就撤回结论。

9·6 结构化输出

正式坐标 7/12。 目录原文键 9.6 结构化输出。围绕“怎样从核、步幅、填充和感受野推导每层输出shape并验证平移结构？”，“第9章 卷积网络”在坐标7把「9·6 结构化输出」落实为推导局部连接、共享参数和空间输出shape；只有核、步幅、填充、通道、感受野与等变性反例可复算且反例排除轴语义错位但输出shape仍合法，本节点才算掌握。

9·7 数据类型

正式坐标 8/12。 目录原文键 9.7 数据类型。“第9章 卷积网络”的原版节点8「9·7 数据类型」不能停在名词解释：它要推导局部连接、共享参数和空间输出shape，交付核、步幅、填充、通道、感受野与等变性反例，并用轴语义错位但输出shape仍合法作为单一反事实检查。

9·8 高效卷积算法

正式坐标 9/12。 目录原文键 9.8 高效卷积算法。对“第9章 卷积网络”而言，「9·8 高效卷积算法」在第9次检查中改变可观察状态，因为它负责推导局部连接、共享参数和空间输出shape；核、步幅、填充、通道、感受野与等变性反例必须与“轴顺序、核、步幅、填充、通道、感受野和输出任务必须一致”对齐，不能接受轴语义错位但输出shape仍合法。

9·9 随机或无监督特征

正式坐标 10/12。 目录原文键 9.9 随机或无监督特征。目录原文「9·9 随机或无监督特征」进入“第9章 卷积网络”后形成第10个实验合同：先建立任务、数据角色、估计、选择与泛化协议，再保存实体切分、候选比较、偏差—方差、选择日志与封存测试；若发生训练、验证和测试角色泄漏后仍报告独立泛化，从同一输入快照恢复。

9·10 卷积网络的神经科学基础

正式坐标 11/12。 目录原文键 9.10 卷积网络的神经科学基础。在“第9章 卷积网络”的第11个坐标中，「9·10 卷积网络的神经科学基础」通过推导局部连接、共享参数和空间输出shape推进局部连接、共享与空间shape；复核者保存核、步幅、填充、通道、感受野与等变性反例，一旦出现轴语义错位但输出shape仍合法就撤回结论。

9·11 卷积网络与深度学习的历史

正式坐标 12/12。 目录原文键 9.11 卷积网络与深度学习的历史。围绕“怎样从核、步幅、填充和感受野推导每层输出shape并验证平移结构？”，“第9章 卷积网络”在坐标12把「9·11 卷积网络与深度学习的历史」落实为界定读者、时间、章节依赖和原版范围；只有版次、年份、部分—章节坐标与不适用边界可复算且反例排除把现代热点或事后结果倒填为2016年原书结论，本节点才算掌握。

先预测，再操作三个章专属实验

第9章 卷积网络的可重放协议

unit: "dlt-09"
question: "怎样从核、步幅、填充和感受野推导每层输出shape并验证平移结构？"
scenario: "追踪一批图像经过卷积、池化与输出头"
invariant: "轴顺序、核、步幅、填充、通道、感受野和输出任务必须一致"
fault: "把通道轴当空间轴卷积，输出shape仍可计算但语义失真"
evidence: "空间shape账本、感受野图与等变性反例"
reset: restore_concept_mode_trace_step_case_gates_and_artifact

“第9章 卷积网络”要求从同一输入、版本、预算和随机状态重放参考、故障与恢复路径。重置后若目录选择、模式、轨迹步骤、案例、证据门或交付包没有回到基线，本次比较已经混入状态泄漏。

本页回顾

掌握“第9章 卷积网络”不是背诵术语或抄公式，而是能围绕“怎样从核、步幅、填充和感受野推导每层输出shape并验证平移结构？”重建输入、shape、计算、目标、更新、随机性与独立评估，并用“轴顺序、核、步幅、填充、通道、感受野和输出任务必须一致”拒绝“把通道轴当空间轴卷积，输出shape仍可计算但语义失真”。最终交付为空间shape账本、感受野图与等变性反例

练习与答案

名词解释