在卷积神经网络（CNN）的训练中，“卷积层（Conv）后是否添加归一化（如 BN、LN）和激活函数（如 ReLU、GELU）” 是每个开发者都会面临的基础决策。这三者的组合并非随意搭配，而是深刻影响模型训练稳定性、收敛速度与最终性能的关键设计。

卷积层负责从数据中提取特征，而归一化与激活函数则分别解决 “训练不稳定” 和 “模型非线性表达” 的核心问题。本文将从三者的协同逻辑出发，分析添加的必要性、例外场景与实践搭配策略，帮助开发者建立清晰的设计思路。

一、核心逻辑：三者的角色与协同关系

要判断卷积后是否需要加归一化和激活函数，首先需明确三者在模型中的核心作用 —— 它们并非孤立模块，而是形成 “特征提取→稳定训练→增强表达” 的协同链条。

1. 卷积层（Conv）：特征提取的核心

卷积层通过滑动卷积核与局部感受野，从输入特征图中提取低级（如边缘、纹理）或高级（如物体部件、语义）特征，本质是通过线性变换（卷积运算）将输入特征映射到新的特征空间。但其存在两个天然局限：

• 输出特征的分布会随网络深度和参数更新发生变化（即 “内部协变量偏移”），导致后续层的训练难度增加；

• 纯线性变换无法学习数据中的非线性规律，而现实世界的特征（如图像、语音）大多是非线性的。

这两个局限，恰好是归一化与激活函数需要解决的问题。

2. 归一化（Normalization）：解决训练不稳定的 “稳定剂”

归一化的核心作用是固定特征分布，缓解内部协变量偏移，让模型训练更稳定、收敛更快。以最常用的批量归一化（BN）为例：

• 对卷积层输出的每个特征通道，计算批次内的均值和方差，将特征标准化为均值 0、方差 1 的分布；

• 通过可学习的缩放因子（γ）和偏移因子（β），保留特征的表达能力，避免标准化导致的信息丢失。

其他归一化方法（如层归一化 LN、实例归一化 IN）虽计算维度不同，但核心目标一致 —— 通过规范特征分布，降低训练难度，允许使用更大的学习率。

3. 激活函数：赋予模型非线性表达能力的 “引擎”

卷积层的线性变换无法拟合复杂数据关系，激活函数通过引入非线性映射，让模型能学习高阶非线性特征。以经典的 ReLU 为例：

• 公式为f(x) = max(0, x)，对正输入保持不变，对负输入置 0，既引入非线性，又避免梯度消失（相比 Sigmoid、Tanh）；

• 后续的 GELU、Swish 等激活函数进一步优化，通过平滑的非线性曲线，提升模型的表达能力和训练稳定性。

没有激活函数的 CNN 本质是 “线性模型的堆叠”，即使网络再深，也无法处理非线性问题（如图像分类中的 “猫” 与 “狗” 的特征区分）。

二、为什么主流架构都选择 “Conv→Norm→Activation”？

在 ResNet、EfficientNet、ViT（Vision Transformer 的卷积嵌入层）等主流架构中，“卷积层后紧跟归一化和激活函数” 已成为标准设计。这种搭配的优势可总结为三点：

1. 加速训练收敛，降低调参难度

归一化解决了内部协变量偏移问题，让每一层的输入分布更稳定。例如：

• 未加 BN 的深层 CNN（如 VGG-19）训练时，需将学习率设为 0.0001 以下，且易出现梯度爆炸 / 消失，训练周期长达数周；

• 加入 BN 后，学习率可提升至 0.01 甚至 0.1，训练周期缩短至数天，且无需过度调整权重初始化策略。

激活函数则通过缓解梯度消失（如 ReLU 的正区间梯度恒为 1），让深层网络的梯度能有效传递到浅层，进一步加速收敛。

2. 提升模型表达能力，适配复杂任务

激活函数的非线性是模型处理复杂任务的基础。以图像分类为例：

• 若卷积后不加激活函数，即使堆叠 100 层卷积，模型也只能学习线性特征，无法区分 “汽车” 和 “自行车” 的复杂形状差异；

• 加入 ReLU 后，模型可通过多层非线性变换，逐步将低级边缘特征组合为高级语义特征（如车轮、车窗），最终实现精准分类。

归一化则通过稳定训练，让深层网络的非线性特征学习更高效 —— 若没有归一化，深层网络的特征分布偏移会导致激活函数输出饱和（如 Sigmoid 输出趋近 0 或 1），丧失非线性表达能力。

3. 增强模型泛化能力，缓解过拟合

归一化本身具有一定的正则化效果。以 BN 为例：

• 训练时基于批次统计信息标准化，测试时使用训练阶段累积的移动均值和方差，这种 “随机批次带来的微小噪声” 可抑制模型过拟合；

• 激活函数的 “稀疏性”（如 ReLU 对负输入置 0）让部分神经元随机失活，相当于轻度的 Dropout，进一步提升泛化能力。

在 ImageNet 等大规模数据集上的实验表明，加入 BN 和 ReLU 的 CNN，测试集准确率比未加的模型平均提升 5%~10%。

三、例外场景：这些情况可以不加或调整顺序

尽管 “Conv→Norm→Activation” 是主流，但并非所有场景都适用。在以下特殊情况中，不加归一化或激活函数，或调整三者顺序，反而能获得更好效果。

1. 场景 1：超小规模数据集或简单任务

当数据集规模极小（如仅有几百张图片）或任务极简单（如 MNIST 手写数字识别）时：

• 模型复杂度需求低，简单的卷积 + 激活函数已能满足需求，加入归一化可能因 “过度规范” 导致特征丢失，反而降低精度；

• 例如，用 2 层 CNN 处理 MNIST 时，仅在卷积后加 ReLU，测试准确率可达 98% 以上；若强行加入 BN，因批次统计信息不可靠（小批量数据的均值 / 方差波动大），准确率可能降至 96% 以下。

2. 场景 2：特定架构的关键层

部分网络架构为保证特征传递的完整性，会在特定卷积层后省略归一化或激活函数：

• 残差连接（Residual Connection）的 shortcut 附近：在 ResNet 的残差块中，主流设计是 “Conv→BN→ReLU→Conv→BN”，最后将 shortcut 与卷积输出相加后再用 ReLU。若在第二个 Conv 后加 ReLU，会破坏残差传递的线性路径，导致模型性能下降；

• 生成对抗网络（GAN）的生成器输出层：生成器的最后一层卷积负责输出最终图像（如 RGB 三通道图像），需保持像素值的连续性（如 0~255）。若加归一化或激活函数，可能导致输出值被压缩（如 ReLU 截断负像素），破坏图像质量，因此通常仅保留卷积层；

• Transformer 的卷积嵌入层：ViT 等模型的输入嵌入层用卷积将图像分块，为保证嵌入特征的线性可分离性，通常仅用卷积 + LN（无激活函数），避免非线性破坏位置与语义的关联。

3. 场景 3：边缘设备的轻量化模型

在手机、物联网传感器等算力有限的边缘设备上，轻量化模型（如 MobileNet、EfficientNet-Lite）需权衡性能与计算成本：

• 归一化层虽不增加参数，但会增加计算量（如 BN 的均值、方差计算）；激活函数中的指数运算（如 GELU 的xΦ(x)，Φ 为高斯分布 CDF）也会消耗额外算力；

• 部分极致轻量化模型（如 TinyNet）会在部分非关键卷积层后省略归一化，或用更简单的激活函数（如 ReLU6 替代 GELU），以降低推理延迟，同时尽量保留性能。

四、实践搭配策略：从入门到进阶的设计指南

在实际模型设计中，无需纠结 “是否必须加”，而是根据任务、数据、架构和部署场景，选择最优搭配方案。

1. 基础搭配：入门首选 “Conv→BN→ReLU”

对于绝大多数通用场景（如图像分类、目标检测、语义分割），尤其是使用 PyTorch、TensorFlow 等框架快速搭建模型时，“Conv→BN→ReLU” 是最稳妥的选择：

• 适用场景：中等规模数据集（万级以上样本）、深层 CNN（层数≥10）、通用计算机视觉任务；

• 代码示例（PyTorch）：

import torch.nn as nn

# 基础卷积块

class BasicConvBlock(nn.Module):

   def __init__(self, in_channels, out_channels, kernel_size=3, stride=1, padding=1):

       super().__init__()

       self.block = nn.Sequential(

           nn.Conv2d(in_channels, out_channels, kernel_size, stride, padding),  # 卷积层

           nn.BatchNorm2d(out_channels),  # 批量归一化

           nn.ReLU(inplace=True)  # ReLU激活函数

       )

  

   def forward(self, x):

       return self.block(x)

2. 进阶调整：根据场景优化顺序与组件

当基础搭配无法满足需求时，可针对性调整：

• 调整归一化类型：

  • 自然图像任务：优先 BN（利用批次统计提升稳定性）；

  • 小批量数据 / 文本任务：用 LN（基于层内统计，不受批次大小影响）；

  • 风格迁移任务：用 IN（基于单样本通道统计，保证风格一致性）。

• 调整激活函数：

  • 深层网络：用 GELU/Swish（平滑非线性，缓解 ReLU 的 “死亡神经元” 问题）；

  • 轻量化模型：用 ReLU6（限制输出范围，适配量化部署）；

  • 生成模型：输出层用 Tanh（将像素值映射到 [-1,1]，便于与输入归一化匹配）。

• 调整顺序：

  • 训练不稳定时：尝试 “Conv→ReLU→BN”（先激活再归一化，部分场景可提升鲁棒性）；

  • 残差块设计：严格遵循 “Conv→BN→ReLU→Conv→BN”，相加后再激活。

3. 极端场景：省略归一化或激活函数

• 省略归一化：

  • 超小数据集（样本数 < 1000）；

  • 极致轻量化模型（如参数 < 1M 的边缘模型）；

  • 网络最后几层（避免过度规范影响输出精度）。

• 省略激活函数：

  • 线性任务（如回归任务的输出层）；

  • 特征传递层（如 ResNet 的 shortcut 卷积层、ViT 的嵌入层）；

  • 生成器输出层（保证输出值连续性）。

五、总结：没有 “必须”，只有 “适配”

卷积层后是否加归一化和激活函数，核心判断标准是 **“当前场景是否需要这两个模块的功能”**：

• 若需要加速训练、稳定深层网络，就加归一化；

• 若需要模型学习非线性特征，就加激活函数；

• 若任务简单、数据量小或架构有特殊要求，则可省略或调整。

主流架构的 “Conv→Norm→Activation” 搭配，是经过大量实践验证的 “普适最优解”，但并非唯一解。在实际开发中，建议先采用基础搭配快速验证模型可行性，再根据训练日志（如损失波动、收敛速度）和性能指标（如准确率、推理延迟）逐步优化，最终找到适配具体任务的设计方案。

归根结底，模型设计的本质是 “用最小的成本（参数、计算量）满足任务需求”，归一化与激活函数的取舍，正是这一本质的具体体现。

推荐学习书籍 《CDA一级教材》适合CDA一级考生备考，也适合业务及数据分析岗位的从业者提升自我。完整电子版已上线CDA网校，累计已有10万+在读~ !

免费加入阅读：https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0