高端化（300 元以上品牌贡献高销售额）、护肤主导（护肤品占比超 60%）、男士市场崛起（增速领先）。

本实验基于 PyTorch 深度学习框架，设计并实现了一款轻量级卷积神经网络（CNN），用于解决 CIFAR-10 数据集的 10 分类任务。实验通过数据标准化预处理、多轮迭代训练、GPU 加速计算等手段，完成了模型的构建、训练与测试。结果表明，经过 10 轮训练后，模型损失值从初始的 1.8 左右降至 0.8 以下，在测试集上对随机抽取的 4 个样本实现了 75% 以上的分类准确率，验证了轻量级

当处理3600万像素的RGB图像时，即使只使用100个神经元的单隐藏层，参数量也会达到惊人的36亿个，这远超过地球上猫狗的实际数量。这种参数爆炸现象揭示了全连接网络处理图像数据的低效性——它通过展平操作完全破坏了图像的空间结构信息，而图像的空间局部性和平移不变性正是视觉识别的关键特性。CNN的发展不仅推动了计算机视觉领域的进步，更引领了深度学习的复兴，其核心思想（参数共享、局部连接、分层抽象）已渗

当处理3600万像素的RGB图像时，即使只使用100个神经元的单隐藏层，参数量也会达到惊人的36亿个，这远超过地球上猫狗的实际数量。这种参数爆炸现象揭示了全连接网络处理图像数据的低效性——它通过展平操作完全破坏了图像的空间结构信息，而图像的空间局部性和平移不变性正是视觉识别的关键特性。CNN的发展不仅推动了计算机视觉领域的进步，更引领了深度学习的复兴，其核心思想（参数共享、局部连接、分层抽象）已渗

全卷积 + 残差连接：保证特征提取深度与效率；3 尺度特征融合：解决小目标检测痛点；9 种先验框：提升目标定位精度；Logistic 激活：支持多标签检测；速度 - 精度平衡：适配多场景需求。

公式：\(H(X) = -\sum_{i=1}^{n} p_i \log_2(p_i)\) 其中：\(p_i\) 是第 i 类样本在总样本中的占比（\(0 \leq p_i \leq 1\)）。：衡量某特征对降低不确定性的贡献，值越大，该特征越适合作为当前节点的划分依据。公式：\(IG = 初始熵 - 按该特征划分后的加权熵\)二、用课堂练习数据集实战计算。： 和 A=“是” 的计算相同（样本分布