卷积与积分变换：大模型数学基础教程

一、教程目标

本教程面向开发者、算法工程师和技术负责人，目标是帮助读者真正理解卷积这一数学工具的核心机制，并能够将其与大模型中的局部建模、特征提取和时序加权等概念建立联系。读完本教程，你将能够：

1. 用自己的语言解释卷积的物理含义与数学定义；
2. 手动推导一个离散卷积的计算过程；
3. 理解卷积核在图像和序列数据中的作用；
4. 将卷积思想迁移到对大模型基础结构的理解中。

本教程不要求读者具备深度学习框架的使用经验，但需要具备基本的函数、求和、积分和线性代数概念。

二、适用场景

卷积思想广泛出现在以下技术场景中：

• 时序建模：对历史输入按衰减规律进行加权叠加，计算当前时刻的总效果；
• 图像处理：通过局部窗口滑动提取边缘、纹理等特征；
• 信号处理：描述系统对输入信号的响应；
• 大模型基础结构：局部感受野、权重共享、特征层级提取等思想均与卷积密切相关。

理解卷积，是理解“局部加权叠加”这一通用建模范式的起点。

三、前置准备

在开始动手推导之前，请确认以下基础知识：

1. 函数概念：理解 f(x)、g(x) 表示随自变量变化的量；
2. 求和符号：理解 Σ 表示对一系列项累加；
3. 积分概念：理解积分是连续情形下的累加；
4. 基本图像像素概念：了解图像由像素矩阵组成，每个像素有数值。

无需安装任何特定软件。本教程的推导可以用纸笔完成，也可以用任意通用编程语言验证。

四、核心概念：什么是卷积

4.1 直观定义

卷积是一套加权叠加计算。它要解决的问题是：

所有历史输入，经过系统规则衰减、延迟或变换后，在当下时刻叠加在一起的总效果是多少？

这里的“系统规则”就是卷积核。卷积核决定了每一份历史输入对当前时刻贡献多少权重。

4.2 物理直觉：回声

想象一次爆炸发出声音。声音直接到达耳朵，同时经墙壁多次反射后衰减到达。任意时刻听到的总音量，等于原始声波乘以不同延迟和衰减后的回声叠加。

回声是客观物理现象，而卷积是人类用来描述它的数学工具。这个顺序很重要：先有规律，后有工具。

4.3 数学表达

连续形式的卷积定义为：

(f * g)(t) = ∫ f(x) · g(t - x) dx

离散形式为：

(f * g)[t] = Σ f[x] · g[t - x]

关键观察：两个函数的参数 x 和 t-x 相加，x 作为变量被抵消，留下常量时间 t。这正是卷积“翻转滑动”特性的来源。

五、实施步骤：手动推导一个离散卷积

步骤一：设定场景

假设每天随机进货，货物以固定速率消耗。求第 T 天晚上仓库剩余货物。

• f(x)：第 x 天早上买入的货物量；
• g(x)：买入后经过 x 天，货物剩余比例。

步骤二：定义具体函数

假设未来 3 天每天早上买入曲线为：

f(x) = x + 1

即第 0 天买 1 份，第 1 天买 2 份，第 2 天买 3 份。

货物每天均匀消耗，10 天消耗完，则剩余比例：

g(x) = (10 - x) * 0.1

即第 0 天剩余 1.0，第 1 天剩余 0.9，第 2 天剩余 0.8，依此类推。

步骤三：计算第 3 天晚上的总剩余

第 3 天晚上，仓库中剩余货物来自不同时间买入的叠加：

总剩余 = f(0)·g(3) + f(1)·g(2) + f(2)·g(1)
       = 1×0.7 + 2×0.8 + 3×0.9
       = 0.7 + 1.6 + 2.7
       = 5.0

步骤四：抽象为通用公式

将上式推广到第 T 天：

总剩余 = f(0)·g(T-0) + f(1)·g(T-1) + f(2)·g(T-2)

写成求和形式：

总剩余[T] = Σ f[x] · g(T - x)

这正是离散卷积的定义。当时间连续时，求和变为积分：

总剩余(t) = ∫ f(x) · g(t - x) dx

步骤五：理解翻转滑动的含义

把 g(x) 翻转后得到 g(-x)，再沿时间轴滑动。每滑动到一个位置 t，就计算 f(x) 与 g(t-x) 的乘积并累加。这就是“翻转—滑动—相乘—积分”的四步操作。

六、卷积在图像中的操作

6.1 图像卷积的基本原理

图像卷积的核心思想是：周围像素对中心像素有影响。

具体操作是：用一个小的矩阵（卷积核）在原图上逐窗口滑动，窗口内像素与核对应数值相乘后求和，得到新像素值。

6.2 一个 3×3 卷积核示例

假设卷积核为：

0  -1   0
-1  5  -1
0  -1   0

这个核的作用是增强中心像素、削弱周围像素，常用于锐化。

6.3 计算过程示意

对于图像中某个 3×3 区域：

10  20  30
40  50  60
70  80  90

与上述核逐元素相乘并求和：

0×10 + (-1)×20 + 0×30
+ (-1)×40 + 5×50 + (-1)×60
+ 0×70 + (-1)×80 + 0×90
= 0 - 20 + 0 - 40 + 250 - 60 + 0 - 80 + 0
= 50

新像素值为 50，替换原中心像素 50 所在位置。滑动窗口遍历整张图，得到新图像。

6.4 卷积核的设计

卷积核的数值是人为定义的，不同数值对应不同效果：

• 平滑核：所有元素为正且和为 1；
• 锐化核：中心为正、周围为负；
• 边缘检测核：正负交替，检测灰度变化。

注意：图像卷积中，核通常不翻转（严格说是互相关），但在数学定义中卷积需要翻转。工程实现中常混用这两个概念，理解时需注意区分。

七、结果验证

完成上述推导后，可以通过以下方式验证理解是否正确：

1. 数值验证：用任意编程语言实现离散卷积公式，与手动计算结果对比；
2. 边界检查：当 T 小于 0 时，卷积结果应为 0（没有输入）；
3. 归一化检查：若卷积核所有元素之和为 1，输出图像整体亮度应保持不变；
4. 维度检查：离散卷积输出长度 = 输入长度 + 核长度 - 1（完整卷积情形）。

八、常见问题与排查

问题一：卷积和互相关有什么区别？

卷积需要翻转核，互相关不翻转。在图像处理中，如果核是对称的，两者结果相同。在数学推导中，必须区分。

问题二：为什么卷积要翻转？

翻转来自定义中的 g(t - x)。当 t 增大时，g 的图形沿正方向滑动。从计算角度看，翻转是为了让“历史输入的贡献”正确对齐到当前时刻。

问题三：卷积核大小如何选择？

核越大，感受野越大，但计算量增加。常见选择是 3×3、5×5、7×7。大模型中常用小核堆叠来近似大核效果。

问题四：边界像素怎么处理？

常见策略包括：补零、复制边缘、镜像填充。补零最简单，但会引入边缘效应；复制边缘能减轻边界突变。

九、优化建议

1. 计算优化：卷积可通过快速傅里叶变换加速，将时间复杂度从 O(n²) 降到 O(n log n)；
2. 参数共享：同一个卷积核在整张图上滑动，大幅减少参数量；
3. 稀疏交互：每个输出只与局部输入相关，降低连接数；
4. 等变表示：卷积对平移具有等变性，这是其在图像任务中有效的重要原因；
5. 可维护性：将卷积核设计为可配置参数，便于实验不同效果。

十、总结

本教程从物理直觉出发，逐步推导了卷积的数学定义，演示了离散卷积的手动计算过程，并说明了卷积在图像处理中的具体操作。

核心要点回顾：

• 卷积是加权叠加计算，描述历史输入经系统规则变换后在当前时刻的总效果；
• 卷积核是系统的记忆、衰减、变换规则；
• 离散卷积公式为 Σ f[x]·g(t-x)，连续形式为积分；
• 图像卷积通过局部窗口滑动实现像素级特征提取；
• 卷积的翻转、滑动、相乘、累加四步操作是其核心机制。

在大模型的理论基础中，卷积思想以局部感受野、权重共享、层级特征提取等形式持续发挥作用。理解卷积，是理解更复杂模型结构的重要一步。后续可继续关注卷积的变体、注意力机制与卷积的关系，以及它们在序列建模中的结合方式。