Skip to main content

10.2.3 现代分类架构

本节定位

做图像分类时，模型结构不是“越新越好”， 而是在不断围绕几个核心问题演化：

  • 怎么让网络更深
  • 怎么让训练更稳
  • 怎么让算力利用更高

这一节不是给你背模型名字，而是帮你抓住它们演化背后的动机。

学习目标​

  • 理解几代主流图像分类架构在解决什么问题
  • 理解残差连接为什么改变了深层网络训练
  • 理解效率型架构为什么重要
  • 建立架构选择时的基本判断

先建立一张地图​

如果你刚学完数据增强，这一节最自然的续接就是：

  • 前一节在解决“同样一张图可以怎样更稳地喂给模型”
  • 这一节开始解决“模型骨架本身该怎么设计得更强、更稳、更省”

所以这一节不是在单独背架构名字，而是在补图像分类里的另一半：

  • 数据怎么准备
  • 网络怎么搭得合理

现代分类架构这节最适合新人的理解顺序不是“看一串名字”，而是先看清架构演进在回答什么问题：

所以这节真正想解决的是：

  • 图像分类网络为什么会一路演进
  • 不同架构到底在补哪类瓶颈

一个更适合新人的总类比​

你可以把分类架构演进理解成：

  • 工厂流水线一次次升级改造

每一代改造都不是为了“名字更新”， 而是为了回答一些很现实的问题：

  • 线能不能拉得更长
  • 机器会不会越跑越不稳
  • 同样电费下能不能产出更多

一、为什么图像分类架构会不断演进？​

因为“更深”不自动等于“更好”​

早期网络一变深，常常会遇到：

  • 梯度难传
  • 优化困难
  • 训练不稳定

所以后续演化本质上是在回答两个问题​

  1. 如何更好训练深网络
  2. 如何在性能和效率之间平衡

一个类比​

架构演进像不断改造流水线：

  • 不是为了让机器变花哨
  • 而是为了在更复杂生产规模下还能稳定工作

第一次学这节，最该先抓住什么？​

最该先抓住的不是模型年份和排行榜，而是这句：

架构演进本质上是在解决“更深怎么训、更强怎么省、更现代怎么稳”。

一旦这句稳了，后面看到任何新架构时，你都会更自然地去问：

  • 它主要在补什么瓶颈？
  • 它解决的是深度、稳定性，还是效率问题？

二、几代架构在关注什么？​

VGG：先把“堆更深”做出来​

特点：

  • 结构规则
  • 全是小卷积
  • 网络更深

它的意义在于：

  • 证明更深网络可以明显提升能力

ResNet：让更深网络真正能训​

残差连接的核心直觉是：

  • 不要求每层都学一个全新变换
  • 而是学“在原基础上的增量”

这让深层网络训练稳定性大幅提升。

为什么 ResNet 会成为图像分类里最重要的分水岭之一？​

因为它第一次比较系统地解决了一个很关键的问题：

  • 网络想变深
  • 但深了以后又很难训练

ResNet 的意义，不只是“分数变高”，而是它把：

  • 更深网络
  • 可训练性

这两件事真正接上了。

EfficientNet：开始认真看算力效率​

它不只问“能不能更强”， 还问：

  • 同样预算下怎样更划算

ConvNeXt：重新审视卷积体系​

在 Transformer 强势之后， 卷积路线也开始重新整理和现代化。

这说明：

  • 架构演进并不是单线淘汰

一张更适合新人的架构对比表​

架构你最该先记住的特点适合建立什么直觉
VGG深、规则、好理解更深网络为什么会更强
ResNet残差连接深网络怎么训得更稳
EfficientNet性能和效率一起看为什么不能只看精度
ConvNeXt卷积也能继续现代化架构不是新旧二元对立

第一次学架构演进，最容易学歪在哪里？​

最容易学歪成：

  • 一堆模型名
  • 一堆层数
  • 一堆排行榜结论

但真正更值钱的学习方式应该是：

  • 先问它的动机
  • 再问它的结构变化
  • 最后问它在项目里值不值得作为 baseline

如果把它们放到“项目选择”里，该怎么理解？​

一个更实用的记法是：

  • VGG：更像教学上的经典起点，适合建立“深度和结构感”
  • ResNet：最稳的工程 baseline，很多项目第一反应还是先上它
  • EfficientNet：当你开始在意“同等资源下更划算”时特别有价值
  • ConvNeXt：当你想理解“卷积体系也能继续现代化”时再看会更合适

一个新人很适合先记的架构选择表​

你的目标更稳的第一反应
第一次做图像分类项目ResNet
想理解深网络为什么能训稳ResNet
想兼顾效果和效率EfficientNet
想补视觉架构演进视角VGG -> ResNet -> ConvNeXt

这个表很适合初学者，因为它会把“模型名”重新变成“什么时候我该先想到它”。

图像分类架构演进与选择图

读图提示

这张图不要当模型排行榜看，而要当“问题演进图”看：VGG 先证明深度有效，ResNet 解决深层可训练性，EfficientNet 关注效率，ConvNeXt 代表卷积路线的现代化整理。

三、先用一个最小残差示例建立直觉​

def block_without_residual(x):
    transformed = x * 0.6 + 0.2
    return transformed


def block_with_residual(x):
    transformed = x * 0.6 + 0.2
    return x + transformed


x = 1.0
print("without residual:", block_without_residual(x))
print("with residual   :", block_with_residual(x))

预期输出：

without residual: 0.8
with residual   : 1.8

这个例子想表达什么？​

残差连接的感觉可以先理解成：

  • 不是把旧信息完全替换
  • 而是在旧信息上叠加一个新修正

这对深层网络训练非常重要。

为什么这和“更深但更稳”有关？​

因为当层数很深时， 完全重写表示比“逐层微调表示”更难学。

第一次看残差连接，最值得先记的不是公式，而是“保留原路”​

可以先把残差块理解成：

  • 新分支在学修正
  • 原路在保留已有信息

这会让你更容易理解为什么它能帮助深层网络：

  • 信息不必每一层都被强行重写
  • 梯度也更容易传回去

新人第一次学这节，最该先记什么？​

最值得先记住的是：

  1. 架构演进不是“新模型不断替代旧模型”
  2. 很多改进都在解决训练稳定性和效率问题
  3. ResNet 之所以重要，不只是因为它强，而是因为它把“更深还能训”这件事做成了

四、现代分类架构到底怎么选？​

如果你是入门做 baseline​

优先考虑：

  • ResNet 一类经典强基线

如果你资源特别敏感​

更应该关注：

  • EfficientNet
  • 更轻量卷积架构

如果你要做研究或强性能对比​

那才更值得系统比较不同家族。

第一次做图像分类项目时，怎么选更稳？​

一个够稳的顺序通常是：

  1. 先用 ResNet 做强 baseline
  2. 如果资源真的敏感，再看 EfficientNet 这类效率型路线
  3. 真要做更深入对比，再研究更多家族

这样会比一开始就追最时髦架构更容易把项目做扎实。

一个更适合新人的实际选择表​

你的场景更稳的第一选择
第一次做图像分类项目ResNet
设备资源有限EfficientNet 或轻量卷积网络
想理解卷积体系演进VGG -> ResNet -> ConvNeXt
想做更认真架构对比再系统比较不同家族

第一次把架构放进项目里，最稳的默认顺序​

更稳的顺序通常是：

  1. 先用 ResNet 立强 baseline
  2. 先看数据和训练流程是否已经稳定
  3. 如果资源真的敏感，再换效率型架构
  4. 最后再做架构家族对比

这样会比一开始就追“最先进 backbone”更容易看清收益来自哪里。

五、最常见误区​

误区一：只记名字不记问题​

更重要的是知道：

  • 它到底在解决什么瓶颈

误区二：最新架构一定更适合当前项目​

现实里经常还是成熟强基线更稳。

误区三：网络越深越一定更强​

没有好的优化结构，深度很容易变成负担。

七、一个很实用的复盘问题​

每学完一种架构，都可以问自己：

  1. 它主要想解决什么问题？
  2. 它是在换“表示能力”，还是在换“训练稳定性 / 效率”？
  3. 如果放进真实项目，我为什么会选它？

如果这三个问题都能答清楚，这节课就不再只是模型名列表了。

如果把它做成项目或笔记，最值得展示什么​

最值得展示的通常不是：

  • 一串模型排行榜

而是：

  1. 你为什么先选 ResNet 做 baseline
  2. 你为什么考虑换到更效率型架构
  3. 不同架构是在解决深度、稳定性，还是效率问题

这样别人会更容易看出：

  • 你理解的是架构选择逻辑
  • 不只是记住了名字

小结​

这节最重要的是建立一个架构演进视角：

图像分类架构的发展，本质上是在不断解决“更深怎么训、更强怎么省、更现代怎么稳”这几个问题。

只要这个视角在，后面你看到新模型时就不会只剩名字。

这节最该带走什么​

  • 架构名字背后对应的是瓶颈和设计动机
  • ResNet 是第一次学视觉分类架构时最值得真正看懂的一条线
  • 做项目时，稳定 baseline 往往比盲目追新更重要

如果再压成一句话，那就是：

现代分类架构最重要的不是“谁更新”，而是谁更清楚地解决了训练深网络和提高效率这两个现实问题。

练习​

  1. 用自己的话解释：为什么残差连接会让深层网络更容易训练？
  2. 为什么说 EfficientNet 更像“预算优化”思路？
  3. 如果你要做一个资源有限的移动端分类器，你会优先考虑哪类架构？
  4. 想一想：为什么架构选择不该只看排行榜？