深度学习CNN（四）—— 高级卷积变体（四十一）
1. 定位导航
前 3 篇 CNN 内容回顾：
| 篇号 | 主题 | 焦点 |
|---|---|---|
| 38 | 卷积运算本质 | 标准 2D 卷积 |
| 39 | 三大设计哲学 + 池化 | CNN 的"原理" |
| 40 | 现代 CNN 架构演化 | LeNet → ConvNeXt |
| 41（本篇） | 高级卷积变体 | 现代 CNN 的"高级工具箱" |
| 42 | 经典任务（分类/检测/分割） | 应用层 |
本篇介绍 5 种现代 CNN 的关键卷积变体：
┌── 1. 步长卷积 (下采样) ├─
前 3 篇 CNN 内容回顾：
| 篇号 | 主题 | 焦点 |
|---|---|---|
| 38 | 卷积运算本质 | 标准 2D 卷积 |
| 39 | 三大设计哲学 + 池化 | CNN 的"原理" |
| 40 | 现代 CNN 架构演化 | LeNet → ConvNeXt |
| 41（本篇） | 高级卷积变体 | 现代 CNN 的"高级工具箱" |
| 42 | 经典任务（分类/检测/分割） | 应用层 |
本篇介绍 5 种现代 CNN 的关键卷积变体：
┌── 1. 步长卷积 (下采样) ├─