从零搭建AI图像分类器：PyTorch实战教程

概述

图像分类是计算机视觉的基础任务。本教程将使用PyTorch框架，以CIFAR-10数据集为例，完成一个完整的图像分类项目。你将学到：数据预处理、模型定义、训练、评估及保存。

环境准备

• Python 3.9+
• PyTorch 2.0+
• torchvision
• matplotlib
• numpy

安装命令：

pip install torch torchvision matplotlib numpy

第一步：加载数据

使用torchvision内置的CIFAR-10数据集。

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)

classes = ('plane', 'car', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

第二步：定义卷积神经网络

构建一个简单的CNN模型。

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

class Net(nn.Module):
    def __init__(self):
        super().__init__()
        self.conv1 = nn.Conv2d(3, 6, 5)
        self.pool = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(6, 16, 5)
        self.fc1 = nn.Linear(16 * 5 * 5, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

    def forward(self, x):
        x = self.pool(F.relu(self.conv1(x)))
        x = self.pool(F.relu(self.conv2(x)))
        x = torch.flatten(x, 1)
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x

net = Net()

第三步：训练模型

定义损失函数和优化器，开始训练。

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 % 200 == 199:
            print(f'[Epoch {epoch+1}, Batch {i+1}] loss: {running_loss/200:.3f}')
            running_loss = 0.0
print('Finished Training')

第四步：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'Accuracy: {100 * correct / total}%')

第五步：保存与加载模型

PATH = './cifar_net.pth'
torch.save(net.state_dict(), PATH)

# 加载
net = Net()
net.load_state_dict(torch.load(PATH))

扩展建议

• 尝试更深的架构，如ResNet。
• 使用数据增强提升泛化能力。
• 部署到ONNX或TorchScript。

总结

通过本教程，你已掌握PyTorch图像分类的基本流程。继续探索更多数据集和模型，将AI应用于实际问题。