范叶亮写智能体、模型和数据系统时，习惯先把定义和边界钉死。把「卷积神经网络」整理成可落地的中文笔记：问题在哪、默认做法会踩什么坑、该怎么选。原站导航和广告已去掉。
发展史
卷积神经网络 (Convolutional Neural Network, CNN) 是一种目前广泛用于图像，自然语言处理等领域的深度神经网络模型。1998 年，Lecun 等人 1 提出了一种基于梯度的反向传播算法用于文档的识别。在这个神经网络中，卷积层 (Convolutional Layer) 扮演着至关重要的角色。
随着运算能力的不断增强，一些大型的 CNN 网络开始在图像领域中展现出巨大的优势，2012 年，Krizhevsky 等人 2 提出了 AlexNet 网络结构，并在 ImageNet 图像分类竞赛 3 中以超过之前 11% 的优势取得了冠军。随后不同的学者提出了一系列的网络结构并不断刷新 ImageNet 的成绩，其中比较经典的网络包括：VGG (Visual Geometry Group) 4 ，GoogLeNet 5 和 ResNet 6 。
模型原理
CNN 在图像分类问题上取得了不凡的成绩，同时一些学者也尝试将其应用在图像的其他领域，例如：物体检测 7 8 9 ，语义分割 10 ，图像摘要 11 ，行为识别 12 等。除此之外，在非图像领域 CNN 也取得了一定的成绩 13 。
LeNet-5 解决的手写数字分类问题的输入为一张 32×32 像素的灰度图像 (Gray Scale)。日常生活中计算机常用的图像的表示方式为 RGB，即将一张图片分为红色通道 (Red Channel)，绿色通道 (Green Channel) 和蓝色通道 (Blue Channel)，其中每个通道的每个像素点的数值范围为 $\left[0, 255\right]$ 。灰度图像表示该图片仅包含一个通道，也就是不具备彩色信息，每个像素点的数值范围同 RGB 图像的取值范围相同。
输入层
因此，一张图片在计算机的眼里就是一个如下图所示的数字矩阵 (示例图片来自于 MNIST 数据集 14 )：
在将图像输入到 CNN 网络之前，通常我们会对其进行预处理，因为每个像素点的最大取值为 $255$ ，因此将每个像素点的值除以 $255$ 则可以将其归一化到 $\left[0, 1\right]$ 的范围。
卷积层
在了解卷积层之前，让我们先来了解一下什么是卷积？设 $f\left(x\right), g\left(x\right)$ 是 $\mathbb{R}$ 上的两个可积函数，则卷积定义为：
$$ \left(f * g\right) \left(x\right) = \int_{- \infty}^{\infty}{f \left(\tau\right) g \left(x – \tau\right) d \tau} $$
非线性层
$$ \left(f * g\right) \left(x\right) = \sum_{\tau = – \infty}^{\infty}{f \left(\tau\right) g \left(x – \tau\right)} $$
我们用一个示例来形象的理解一下卷积的含义，以离散的形式为例，假设我们有两个骰子， $f\left(x\right), g\left(x\right)$ 分别表示投两个骰子， $x$ 面朝上的概率。
池化层
$$ f \left(x\right) = g \left(x\right) = \begin{cases} 1/6 & x = 1, 2, 3, 4, 5, 6 \\ 0 & \text{otherwise} \end{cases} $$
卷积 $\left(f * g\right) \left(x\right)$ 表示投两个骰子，朝上数字之和为 $x$ 的概率。则和为 $4$ 的概率为：
值得单独记下的点
- 网络包含了 5 个卷积层和 3 个全连接层，网络规模变大。
- 应用了 Data Augmentation，Dropout，Momentum，Weight Decay 等策略改进训练。
- 在算力有限的情况下，对模型进行划分为两部分并行计算。
- 增加局部响应归一化 (LRN, Local Response Normalization)。
- tensorflow/models , tflearn/examples
- pytorch/torchvision/models
- incubator-mxnet/example
- 网络层级更深，从 AlexNet 的 8 层增加至 16 层和 19 层，更深的网络层级意味着更强的学习能力，但也需要更多的算力对模型进行优化。
落地时建议先做的 5 件事
- 先写清任务能不能被自动验证：能验证的交给系统和评测，不能验证的留给人审。
- 本地部署先算显存、延迟和失败回滚，不要只看能跑通一次。
- 多智能体只在单智能体触到上下文或专业边界时再拆。
- Token、微调和压缩都要有对照数字，避免口号式优化。
- 结论写成可检查清单：接口、超时、评测集、回滚版本。
和智能体产品怎么接
龙虾PRO做 OpenClaw 落地时，最该拿走的是「单智能体先做好工具和提示，再谈编排」。数字员工、技能市场和网关应共用同一套评测与权限，而不是各写一套角色人设。
本文侧重全链路风控方法论。落地时请用自身业务单据做回放验证，不要把示例阈值直接当生产策略。 相关：风控体检 · 方案资源
常见问题 FAQ
什么是AI智能系统？
「AI智能系统」可概括为：卷积神经网络 (Convolutional Neural Network, CNN) 是一种目前广泛用于图像，自然语言处理等领域的深度神经网络模型。1998 年，Lecun 等人 1 提出了一种基于梯度的反向传播算法用于文档的识别。在这个神经网络中，卷积层 (Convolutional Layer) 扮演着至关重要的角色。 本文从定义、方法与实践要点展开说明。
为什么要关注AI智能系统？
关注AI智能系统，是因为它直接影响效率、风险与可复制性。文中指出：卷积神经网络 (Convolutional Neural Network, CNN) 是一种目前广泛用于图像，自然语言处理等领域的深度神经网络模型。1998 年，Lecun 等人 1 提出了一种基于梯度的反向传播算法用于文档的识别。在这个神经网络中，卷积层 (Convolutional Layer) 扮演着至关重要的角色。
如何落地AI智能系统？有哪些关键步骤？
建议按以下路径推进AI智能系统：1) 网络包含了 5 个卷积层和 3 个全连接层，网络规模变大。；2) 应用了 Data Augmentation，Dropout，Momentum，Weight Decay 等策略改进训练。；3) 在算力有限的情况下，对模型进行划分为两部分并行计算。；4) 增加局部响应归一化 (LRN, Local Response Normalization)。；5) tensorflow/models , tflearn/examples。细节见正文对应章节。
AI智能系统适合哪些人或团队？
AI智能系统更适合：产品/技术负责人、运营与增长团队、需要落地智能体或自动化的中小团队、关注「AI智能系统」方向的读者。若你只需要单次聊天式问答，可先读概念；若要上生产，请重点看步骤、权限与风控相关段落。
关于「发展史」，本文给出了什么结论？
在「发展史」部分，要点是：。 随着运算能力的不断增强，一些大型的 CNN 网络开始在图像领域中展现出巨大的优势，2012 年，Krizhevsky 等人 2 提出了 AlexNet 网络结构，并在 ImageNet 图像分类竞赛 3 中以超过之前 11% 的优势取得了冠军。随后不同的学者提出了一系列的网络结构并不断刷新 ImageNet 的成绩，其中比较经典的网络包括：VGG (Visual Geometry Group) 4 ，GoogLeNet 5 和 Re
关于「模型原理」，本文给出了什么结论？
在「模型原理」部分，要点是：, g\left(x\right)$ 是 $\mathbb{R}$ 上的两个可积函数，则卷积定义为： $$ \left(f * g\right) \left(x\right) = \int_{- \infty}^{\infty}{f \left(\tau\right) g \left(x – \tau\right) d \tau} $$ 非线性层 $$ \left(f * g\right) \left(x\right) = \sum_{