卷积、感受野与残差连接
概念解释
卷积通过局部连接和权重共享提取空间模式，多层网络逐步扩大感受野。残差块将输出写为 y=x+F(x)，让分支学习相对输入的变化；相加要求张量形状兼容，必要时使用投影分支。
核心方法与条件
逐层计算输出尺寸与通道数。忽略空洞时，单维输出为 floor((n+2p−k)/s)+1，其中 n 是输入尺寸、p 是填充、k 是核尺寸、s 是步长；参数量和中间激活都影响资源需求。
例题或应用
输入 28×28×3，经 16 个 3×3 卷积核、步长 1、填充 1 后得到 28×28×16。含每个输出通道一个偏置时，参数量为 3×3×3×16+16=448。
常见易错点
参数少不一定推理快，算子实现、激活尺寸和内存访问都影响延迟。理论感受野覆盖整张图，也不代表模型能稳定利用所有位置的信息。
自检
请尝试不用原文解释“卷积、感受野与残差连接”解决什么问题，再设计一个属于“视觉网络与分类”的实例，并说明适用条件和判断依据。