从零复现VGG16与GoogLeNet：一份完整的PyTorch CNN学习实践记录

本项目记录了深度学习初学者从零手动复现经典CNN模型VGG16与GoogLeNet的完整路径，涵盖模型原理理解、网络结构搭建、FashionMNIST训练调参到猫狗数据集迁移应用。项目来源为GitHub仓库PyTorch-CNN-2（作者yhe8479-ship-it，发布时间2026年6月3日），旨在通过手动实现而非调用现成API，深入理解模型设计思想与工程实现细节。

直接调用现成模型API难以理解内部机制。手动复现的价值包括：

1. 深入理解设计思想：如VGG16的小卷积核堆叠、GoogLeNet的Inception多分支结构的设计初衷。
2. 培养工程实现能力：将论文结构转化为PyTorch代码，处理尺寸计算、通道匹配等细节。
3. 建立调试直觉：理解内部结构才能快速定位训练问题。

VGG16：

• 核心：用多个3×3卷积核堆叠替代大卷积（如2个3×3等价5×5感受野，参数量减半且增加非线性）。
• 结构：13个卷积层+3个全连接层，分5个Block，输入224×224经5次MaxPool后得到7×7×512特征。
• 初始化：卷积层Kaiming初始化，全连接层正态初始化，偏置为0。

GoogLeNet：

• 核心：Inception模块（多分支并行：1×1 Conv、1×1→3×3、1×1→5×5、MaxPool→1×1），实现多尺度特征提取。
• 1×1卷积作用：增加非线性、降维压缩参数量、跨通道融合。
• 难点：保证各分支输出尺寸一致以拼接。

FashionMNIST训练：

• 数据集：10类服装图像，预处理（resize、tensor转换），划分训练/验证/测试集。
• 流程：DataLoader加载→模型前向传播→CrossEntropyLoss→Adam优化→保存最优模型。
• 调参策略（资源受限）：调整batch size、学习率，减少epoch数，选择Adam优化器。

猫狗数据集迁移：

• 步骤：划分数据集→计算mean/std标准化→修改全连接层输出为2类→重新训练→测试评估→单张预测演示。

通过项目培养的能力：

1. 模型结构理解：手动搭建VGG Block和Inception模块，理解内部原理。
2. 实验调试与优化：解决VGG16训练的算力/显存问题，调整超参数。
3. 迁移应用：从FashionMNIST推广到猫狗二分类任务。
4. 工程组织：结构化整理代码、论文、PPT等资源。
5. 科研表达：撰写README、PPT，提升技术写作能力。

1. 不要急于调用现成模型：手动实现经典模型收获更大。
2. 重视数学基础：理解卷积、池化、反向传播的数学原理。
3. 从简单数据集开始：FashionMNIST适合快速验证模型。
4. 记录学习过程：写README、做PPT，输出促进学习。
5. 勇于迁移应用：在标准数据集验证后，尝试自己的数据。

本项目的价值在于展示正确的学习路径：从理论到代码，从标准数据集到实际应用，从调参到总结。对于初学者，吃透经典模型（如VGG16、GoogLeNet）比追求SOTA更重要，其设计思想至今影响深度学习发展。正如作者所言："经典CNN的价值不只是准确率，更在于结构背后的设计思想及如何写成可训练、迁移的代码。"