从零开始：使用PyTorch构建你的第一个图像分类模型

简介

图像分类是计算机视觉的基础任务。本教程将使用PyTorch框架，构建一个简单的卷积神经网络（CNN），在CIFAR-10数据集上进行训练和测试。

环境准备

• Python 3.9+
• PyTorch 2.0+
• torchvision
• GPU（可选）

安装命令：

pip install torch torchvision

步骤一：加载数据

使用torchvision下载CIFAR-10数据集，并创建数据加载器。

import torch
import torchvision
import torchvision.transforms as transforms

transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))
])

trainset = torchvision.datasets.CIFAR10(root='./data', train=True, download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=64, shuffle=True)

testset = torchvision.datasets.CIFAR10(root='./data', train=False, download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=64, shuffle=False)

步骤二：定义模型

构建一个简单的CNN，包含卷积层、池化层和全连接层。

import torch.nn as nn
import torch.nn.functional as F

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = nn.Conv2d(3, 32, 3, padding=1)
        self.pool = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(32, 64, 3, padding=1)
        self.fc1 = nn.Linear(64 * 8 * 8, 512)
        self.fc2 = nn.Linear(512, 10)

    def forward(self, x):
        x = self.pool(F.relu(self.conv1(x)))
        x = self.pool(F.relu(self.conv2(x)))
        x = x.view(-1, 64 * 8 * 8)
        x = F.relu(self.fc1(x))
        x = self.fc2(x)
        return x

net = Net()

步骤三：训练模型

定义损失函数和优化器，然后进行多轮训练。

import torch.optim as optim

criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)

for epoch in range(10):
    running_loss = 0.0
    for i, data in enumerate(trainloader, 0):
        inputs, labels = data
        optimizer.zero_grad()
        outputs = net(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()
        running_loss += loss.item()
        if i % 100 == 99:
            print(f'[Epoch {epoch+1}, Batch {i+1}] loss: {running_loss/100:.3f}')
            running_loss = 0.0
print('训练完成')

步骤四：评估模型

在测试集上计算准确率。

correct = 0
total = 0
with torch.no_grad():
    for data in testloader:
        images, labels = data
        outputs = net(images)
        _, predicted = torch.max(outputs.data, 1)
        total += labels.size(0)
        correct += (predicted == labels).sum().item()

print(f'测试准确率: {100 * correct / total:.2f}%')

进阶技巧

• 数据增强：随机翻转、裁剪等，提高泛化能力。
• 迁移学习：使用预训练模型如ResNet，微调最后一层。
• 学习率调整：使用学习率调度器，如StepLR。

总结

通过本教程，你已经掌握了使用PyTorch构建图像分类模型的基本流程。尝试调整网络结构，或使用更大的数据集，进一步提升性能。