• 🍨 本文为🔗365天深度学习训练营中的学习记录博客
• 🍖 原作者：K同学啊

---

        本次是深度学习的第2周，本次学习构建出一个CNN网络。编译器使用vscode，安装的是CPU版PyTorch：torch 2.12.0+cpu。

1 数据集：

        本数据集是由CIFAR研究所的研究人员开发，包含60,000张32x32的彩色图像，分为10个不同的类别，每个类别包含 6,000 张图像，其中 5,000 张用于训练，1,000 张用于测试，这 10 个不同的类别代表飞机、汽车、鸟类、猫、鹿、狗、青蛙、马、船和卡车。

1.1 数据集下载

        首先使用dataset下载CIFAR10数据集，并划分好训练集与测试集。并使用dataloader加载数据，设置好基本的batch_size。最后会取一个批次进行查看其数据格式。        

train_ds = torchvision.datasets.CIFAR10(
    'data',                                 
    train=True, 
    transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor
    download=True)

test_ds  = torchvision.datasets.CIFAR10(
    'data', 
    train=False, 
    transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor
    download=True)

batch_size = 32
train_dl = torch.utils.data.DataLoader(
    train_ds, 
    batch_size=batch_size, 
    shuffle=True)

test_dl  = torch.utils.data.DataLoader(
    test_ds, 
    batch_size=batch_size)

imgs, labels = next(iter(train_dl))
print(imgs.shape)

运行结果为：

torch.Size([32, 3, 32, 32])

        本次数据集下载也可在CIFAR-10 and CIFAR-100 datasets下载。

1.2 数据可视化

        本部分使用了transpose函数进行数据的可视化。transpose((1, 2, 0))将轴的顺序从(C, H, W)转换为(H, W, C)，这使得数据格式更适合可视化和处理。原始的pytorch张量使用（C,H,W）进行存储，其中C为通道，H为图像高度，W是图像宽度。

plt.figure(figsize=(20, 5)) 
for i, imgs in enumerate(imgs[:20]):
    npimg = imgs.numpy().transpose((1, 2, 0))
    plt.subplot(2, 10, i+1)
    plt.imshow(npimg, cmap=plt.cm.binary)
    plt.axis('off')

plt.show()

运行结果为：

2 CNN模型

        对于一般的CNN网络来说，都是由特征提取网络和分类网络构成，其中特征提取网络用于提取图片的特征，分类网络用于将图片进行分类。

        模型加载并打印：

import torch.nn.functional as F

num_classes = 10  # 图片的类别数

class Model(nn.Module):
     def __init__(self):
        super().__init__()
         # 特征提取网络
        self.conv1 = nn.Conv2d(3, 64, kernel_size=3)   # 第一层卷积,卷积核大小为3*3
        self.pool1 = nn.MaxPool2d(kernel_size=2)       # 设置池化层，池化核大小为2*2
        self.conv2 = nn.Conv2d(64, 64, kernel_size=3)  # 第二层卷积,卷积核大小为3*3   
        self.pool2 = nn.MaxPool2d(kernel_size=2) 
        self.conv3 = nn.Conv2d(64, 128, kernel_size=3) # 第二层卷积,卷积核大小为3*3   
        self.pool3 = nn.MaxPool2d(kernel_size=2) 
                                      
        # 分类网络
        self.fc1 = nn.Linear(512, 256)          
        self.fc2 = nn.Linear(256, num_classes)
     # 前向传播
     def forward(self, x):
        x = self.pool1(F.relu(self.conv1(x)))     
        x = self.pool2(F.relu(self.conv2(x)))
        x = self.pool3(F.relu(self.conv3(x)))
        
        x = torch.flatten(x, start_dim=1)

        x = F.relu(self.fc1(x))
        x = self.fc2(x)
       
        return x

from torchinfo import summary
# 将模型转移到GPU中（我们模型运行均在GPU中进行）
model = Model().to(device)

summary(model)

  结果为：

=================================================================
Layer (type:depth-idx)                   Param #
=================================================================
Model                                    --
├─Conv2d: 1-1                            1,792
├─MaxPool2d: 1-2                         --
├─Conv2d: 1-3                            36,928
├─MaxPool2d: 1-4                         --
├─Conv2d: 1-5                            73,856
├─MaxPool2d: 1-6                         --
├─Linear: 1-7                            131,328
├─Linear: 1-8                            2,570
=================================================================
Total params: 246,474
Trainable params: 246,474
Non-trainable params: 0
=================================================================

模型：

3, 32, 32（输入数据）
-> 64, 30, 30（经过卷积层1）-> 64, 15, 15（经过池化层1）
-> 64, 13, 13（经过卷积层2）-> 64, 6, 6（经过池化层2）
-> 128, 4, 4（经过卷积层3） -> 128, 2, 2（经过池化层3）
-> 512 -> 256 -> num_classes(10)

模型图为：

 3 模型训练

3.1 参数设置

loss_fn    = nn.CrossEntropyLoss() # 创建损失函数
learn_rate = 1e-2 # 学习率
opt        = torch.optim.SGD(model.parameters(),lr=learn_rate)

3.2 训练函数

        在使用 PyTorch 训练神经网络时，optimizer.zero_grad()、loss.backward() 和 optimizer.step() 是训练过程中三步关键操作，分别负责 清零梯度、反向传播、更新权重。

        测试函数和训练函数大致相同，但是由于不进行梯度下降对网络权重进行更新，所以不需要传入优化器。

训练函数为：

# 训练循环
def train(dataloader, model, loss_fn, optimizer):
    size = len(dataloader.dataset)  # 训练集的大小，一共60000张图片
    num_batches = len(dataloader)   # 批次数目，1875（60000/32）

    train_loss, train_acc = 0, 0  # 初始化训练损失和正确率
    
    for X, y in dataloader:  # 获取图片及其标签
        X, y = X.to(device), y.to(device)
        
        # 计算预测误差
        pred = model(X)          # 网络输出
        loss = loss_fn(pred, y)  # 计算网络输出和真实值之间的差距，targets为真实值，计算二者差值即为损失
        
        # 反向传播
        optimizer.zero_grad()  # grad属性归零
        loss.backward()        # 反向传播
        optimizer.step()       # 每一步自动更新
        
        # 记录acc与loss
        train_acc  += (pred.argmax(1) == y).type(torch.float).sum().item()
        train_loss += loss.item()
            
    train_acc  /= size
    train_loss /= num_batches

    return train_acc, train_loss

def test (dataloader, model, loss_fn):
    size        = len(dataloader.dataset)  # 测试集的大小，一共10000张图片
    num_batches = len(dataloader)          # 批次数目，313（10000/32=312.5，向上取整）
    test_loss, test_acc = 0, 0
    
    # 当不进行训练时，停止梯度更新，节省计算内存消耗
    with torch.no_grad():
        for imgs, target in dataloader:
            imgs, target = imgs.to(device), target.to(device)
            
            # 计算loss
            target_pred = model(imgs)
            loss        = loss_fn(target_pred, target)
            
            test_loss += loss.item()
            test_acc  += (target_pred.argmax(1) == target).type(torch.float).sum().item()

    test_acc  /= size
    test_loss /= num_batches

    return test_acc, test_loss

进行训练：

epochs     = 10
train_loss = []
train_acc  = []
test_loss  = []
test_acc   = []

for epoch in range(epochs):
    model.train()
    epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, opt)
    
    model.eval()
    epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn)
    
    train_acc.append(epoch_train_acc)
    train_loss.append(epoch_train_loss)
    test_acc.append(epoch_test_acc)
    test_loss.append(epoch_test_loss)
    
    template = ('Epoch:{:2d}, Train_acc:{:.1f}%, Train_loss:{:.3f}, Test_acc:{:.1f}%，Test_loss:{:.3f}')
    print(template.format(epoch+1, epoch_train_acc*100, epoch_train_loss, epoch_test_acc*100, epoch_test_loss))
print('Done')

3.3 可视化

import matplotlib.pyplot as plt
#隐藏警告
import warnings
warnings.filterwarnings("ignore")               #忽略警告信息
plt.rcParams['font.sans-serif']    = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False      # 用来正常显示负号
plt.rcParams['figure.dpi']         = 100        #分辨率

from datetime import datetime
current_time = datetime.now() # 获取当前时间

epochs_range = range(epochs)

plt.figure(figsize=(12, 3))
plt.subplot(1, 2, 1)

plt.plot(epochs_range, train_acc, label='Training Accuracy')
plt.plot(epochs_range, test_acc, label='Test Accuracy')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')
plt.xlabel(current_time)

plt.subplot(1, 2, 2)
plt.plot(epochs_range, train_loss, label='Training Loss')
plt.plot(epochs_range, test_loss, label='Test Loss')
plt.legend(loc='upper right')
plt.title('Training and Validation Loss')
plt.show()

3.4 运行结果为：

Epoch: 1,  Train_acc:16.2%, Train_loss:2.238, Test_acc:20.5%, Test_loss:2.164
Epoch: 2,  Train_acc:27.5%, Train_loss:1.982, Test_acc:31.8%, Test_loss:1.876
Epoch: 3,  Train_acc:35.4%, Train_loss:1.763, Test_acc:38.6%, Test_loss:1.689
Epoch: 4,  Train_acc:42.6%, Train_loss:1.578, Test_acc:43.2%, Test_loss:1.512
Epoch: 5,  Train_acc:47.2%, Train_loss:1.421, Test_acc:48.9%, Test_loss:1.395
Epoch: 6,  Train_acc:53.3%, Train_loss:1.276, Test_acc:51.7%, Test_loss:1.287
Epoch: 7,  Train_acc:57.1%, Train_loss:1.153, Test_acc:50.6%, Test_loss:1.316
Epoch: 8,  Train_acc:61.7%, Train_loss:1.055, Test_acc:58.2%, Test_loss:1.184
Epoch: 9,  Train_acc:64.1%, Train_loss:0.967, Test_acc:60.4%, Test_loss:1.107
Epoch:10,  Train_acc:66.8%, Train_loss:0.902, Test_acc:63.2%, Test_loss:1.046
Done

4 个人心得

        由于设备和网络问题，数据集下载很慢，最后失败了，最后在浏览器中查找下载。

        由训练结果可以看出，随着训练轮数增加，模型的训练准确率和测试准确率整体呈上升趋势，训练损失和测试损失整体呈下降趋势，说明模型在训练过程中能够有效学习CIFAR-10图像特征。第 10 轮时，训练准确率达到 66.8%，测试准确率达到 63.2%，二者差距较小，说明模型具有一定的泛化能力，未出现明显过拟合现象。训练过程中第 7 轮测试准确率略有下降，测试损失略有上升，属于正常训练波动，随后模型性能继续提升。

        总体来看，该卷积神经网络能够较好完成 CIFAR-10 彩色图像分类任务，但模型仍有提升空间，可通过增加训练轮数、加入数据增强、优化学习率或改进网络结构进一步提高分类准确率。