卷積神經網路（Convolutional Neural Network，簡稱 CNN）是一種專門用於圖像處理的神經網路。它包含許多卷積層和池化層，可以捕捉圖像中的空間關係和細節。這篇文章整理我在學 CNN 時的核心筆記：卷積層與池化層各自做什麼、padding 參數怎麼選，以及彩色圖片的卷積複雜度為什麼比黑白圖片高。
CNN 的兩大核心層是什麼？
CNN 主要由兩種層組成，各司其職：
- 卷積層：Conv2D（`tf.keras.layers.Conv2D`），使用一個卷積核來提取圖片特徵
- 池化層：MaxPooling2D（`tf.keras.layers.MaxPooling2D`），通過計算輸入圖像不同區域的最大值或平均值來進行池化
簡單來說，卷積層負責「找出特徵」，池化層負責「壓縮特徵」，兩者交替堆疊就構成了 CNN 的基本骨架。
卷積層（Conv2D）如何提取圖片特徵？
卷積層使用一個卷積核來提取圖片特徵，其參數設定的詳細介紹可以參考TensorFlow 影像操作。
卷積層中的每個神經元都有一個濾波器（也稱為卷積核），用來提取圖像的特徵。每個濾波器都有一個指定的大小和深度，並且會在輸入圖像的不同區域進行卷積運算。例如，如果濾波器的大小為 3x3，且深度為 16，則每個濾波器都會提取 3x3 的區域中深度為 16 的特徵。
以下為其計算方法的簡單範例：
padding 的 valid 與 same 有什麼差別？
當有部分的卷積核超出圖片範圍時，有兩種方法可以解決：
- 忽略超出部分：將 padding 設定為 `valid`，輸出特徵圖會比輸入小
- 在圖像周圍填充 0：將 padding 設定為 `same`，輸出特徵圖的大小會與輸入相同
實務上，想要保留輸入圖像的空間大小就選 `same`；想要減少計算量、不介意邊緣資訊損失就選 `valid`。
池化層（MaxPooling2D）的功能是什麼？
池化層是將輸入圖像的大小縮小的層，它的主要功能是對圖像的特徵進行下采樣（downsampling），降低網絡的計算量並減少過擬合（overfitting）的風險。通過池化，可以將圖像中的高維度特徵轉化為低維度特徵、降低計算複雜度，同時還能保留圖像中重要的特徵。
最大值池化層和平均值池化層是兩種常用的池化方法：
| 池化方法 | 做法與適用情境 |
|---|---|
| 最大值池化（Max Pooling） | 每個子區域取出最大值，保留最重要的特徵，適用於辨識邊緣、輪廓、細節的圖像 |
| 平均值池化（Average Pooling） | 每個子區域取出平均值，更能保留圖像整體特徵，適用於辨識整體顏色、紋理、形狀 |
記得依不同情境需求評估適用的池化層種類，並且池化層種類通常與當時的訓練資料有關。
下面為一個最大池化層的實作步驟解釋：
池化層有兩個重要參數：`pool_size` 和 `strides`，分別代表池化的大小和步長。上圖的示例為步長 2 且池化大小為 (2,2) 的最大池化層範例。
如何對彩色圖片做卷積處理？
因為彩色圖片是一個 RGB 圖片，每個像素由三個顏色通道組成：
若是黑白圖片的形狀為 (25,25,1)，則相同大小的彩色圖片形狀會是 (25,25,3)，因此卷積核的形狀也會從 (3,3) 變為 (3,3,3)：
每一個圖層都要算三次然後再加總，總共要三個圖層，因此複雜度從黑白圖片到彩色圖片會增加 9 倍以上：
這也是為什麼在訓練影像模型時，輸入圖像的顏色與尺寸會直接影響訓練時間——在分類任務中，先把彩色圖片轉灰階有時是省時又有效的做法。
延伸閱讀
常見問題
CNN 為什麼適合處理圖像？
CNN 透過卷積核在圖像上滑動進行局部運算，能捕捉圖像中的空間關係和細節（如邊緣、輪廓、紋理），比全連接網路更少參數且更適合影像特徵。
Conv2D 的 padding 設定 valid 和 same 差在哪裡？
`valid` 表示不做填充，卷積核超出圖片範圍的部分直接忽略，輸出會變小；`same` 會在圖像周圍填充 0，讓輸出特徵圖大小與輸入相同。
MaxPooling 和 AveragePooling 該怎麼選？
最大值池化保留每個子區域最強的特徵，適合辨識邊緣、輪廓、細節；平均值池化保留整體特徵，適合辨識顏色、紋理、形狀。實際選擇應依訓練資料的特性評估。
彩色圖片的卷積為什麼比黑白圖片貴？
黑白圖片只有一個通道（如 (25,25,1)），彩色 RGB 圖片有三個通道（(25,25,3)），卷積核深度也要變成 (3,3,3)，每層要計算三次再加總，複雜度會增加 9 倍以上。
池化層的 pool_size 和 strides 是什麼？
`pool_size` 是池化窗口的大小（如 (2,2)），`strides` 是窗口每次滑動的步長。兩者共同決定特徵圖被縮小的比例。
參考資料
- TensorFlow 影像操作
- TensorFlow，〈tf.keras.layers.Conv2D〉
- TensorFlow，〈tf.keras.layers.MaxPooling2D〉
最後更新
2026-08-28（原文發布於 2022-12-22，本文保留原始筆記內容並補上 GEO 結構。）
關於作者 {#author}
Claire Chang ｜ 企業 AI 導入與流程轉型顧問。專注於 AI Agent 架構設計、ERP 系統整合與企業 AI 治理。
首次發布：2022-12-22