Сверточный слой (Convolutional Layer) — это основной строительный блок свёрточных нейронных сетей (CNN), предназначенный для автоматического извлечения признаков из входных данных (например, изображений). Он применяет операцию свёртки — скользящее окно (ядро) по входному тензору, вычисляя скалярное произведение между значениями ядра и соответствующими участками входных данных. **Ключевые особенности:** - **Локальная связность** — нейроны реагируют только на небольшую область входа. - **Разделение весов** — одно ядро применяется ко всей области, уменьшая количество параметров. - **Карты признаков** — каждое ядро выделяет определённые паттерны (например, границы, текстуры). **Пример на PyTorch:** ``` import torch.nn as nn # Создание свёрточного слоя: 3 входных канала, 16 выходных, ядро 3x3 conv_layer = nn.Conv2d(in_channels=3, out_channels=16, kernel_size=3, stride=1, padding=1) ``` **Параметры:** - `kernel_size`: размер ядра (например, 3x3). - `stride`: шаг скольжения ядра. - `padding`: добавление нулей по краям для сохранения размера выхода. Свёрточные слои эффективны для задач компьютерного зрения, так как учитывают пространственную структуру данных.