从零开始：用PyTorch实现一个简易图像分类器

引言

图像分类是深度学习的入门任务之一。本教程将使用PyTorch框架，从零开始实现一个简单的卷积神经网络（CNN）分类器，并在CIFAR-10数据集上进行训练和评估。你将学会数据处理、模型定义、训练循环和测试评估的完整流程。

环境准备

确保已安装Python 3.8+和PyTorch 2.0+。使用以下命令安装依赖：

pip install torch torchvision matplotlib

第一步：加载数据集

CIFAR-10包含10个类别（飞机、汽车、鸟等），图像尺寸为32x32。PyTorch的torchvision提供了便捷的数据集加载方式。

import torch
import torchvision
import torchvision.transforms as transforms

# 定义数据预处理
transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))
])

# 加载训练集和测试集
trainset = torchvision.datasets.CIFAR10(root='./data', train=True, download=True, transform=transform)
testset = torchvision.datasets.CIFAR10(root='./data', train=False, download=True, transform=transform)

# 创建数据加载器
trainloader = torch.utils.data.DataLoader(trainset, batch_size=64, shuffle=True, num_workers=2)
testloader = torch.utils.data.DataLoader(testset, batch_size=64, shuffle=False, num_workers=2)

classes = ['plane', 'car', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']

第二步：定义CNN模型

我们将构建一个简单的CNN，包含两个卷积层和三个全连接层。

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

class SimpleCNN(nn.Module):
    def __init__(self):
        super(SimpleCNN, self).__init__()
        self.conv1 = nn.Conv2d(3, 32, 3, padding=1)  # 输入3通道，输出32通道
        self.conv2 = nn.Conv2d(32, 64, 3, padding=1)
        self.pool = nn.MaxPool2d(2, 2)
        self.fc1 = nn.Linear(64 * 8 * 8, 512)
        self.fc2 = nn.Linear(512, 256)
        self.fc3 = nn.Linear(256, 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 = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x

model = SimpleCNN()

第三步：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.Adam(model.parameters(), lr=0.001)

for epoch in range(10):  # 训练10轮
    running_loss = 0.0
    for i, data in enumerate(trainloader, 0):
        inputs, labels = data
        optimizer.zero_grad()
        outputs = model(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：测试模型

在测试集上评估模型的准确率。

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

print(f'Accuracy on test set: {100 * correct / total:.2f}%')

结果与分析

运行上述代码，经过10轮训练，测试准确率通常在60%左右。你可以通过调整网络结构、增加训练轮数、使用数据增强等方法来提升性能。

进一步优化

• 数据增强：随机翻转、裁剪等
• 更深的网络：ResNet、VGG等预训练模型
• 学习率调度：动态调整学习率

结语

恭喜你完成了第一个图像分类器！这个教程为你打下了深度学习的基础。接下来，你可以尝试更复杂的模型和数据集，探索AI的无限可能。