【保姆级教程】使用 PyTorch 自定义卷积神经网络（CNN） 实现图像分类、训练验证、预测全流程【附数据集与源码】

《博主简介》

小伙伴们好，我是阿旭。专注于人工智能、AIGC、python、计算机视觉相关分享研究。
👍感谢小伙伴们点赞、关注！

《------往期经典推荐------》

一、AI应用软件开发实战专栏【链接】

二、机器学习实战专栏【链接】，已更新31期，欢迎关注，持续更新中~~
三、深度学习【Pytorch】专栏【链接】
四、【Stable Diffusion绘画系列】专栏【链接】
五、YOLOv8改进专栏【链接】，持续更新中~~
六、YOLO性能对比专栏【链接】，持续更新中~

《------正文------》

引言

卷积神经网络（也称为 CNN 或 ConvNet）由 Yann LeCun 于 20 世纪 80 年代提出，至今已取得长足进步。基于 CNN 的架构不仅用于简单的数字分类任务，还被广泛用于许多深度学习和计算机视觉相关任务，例如对象检测、图像分割、注视跟踪等。本文将使用 PyTorch 框架在流行的 CIFAR-10 数据集上实现基于 CNN 的图像分类器。

环境配置

为了实现 CNN 并下载 CIFAR-10 数据集，我们需要torch和torchvision模块。除此之外，我们还将使用 numpy 和 matplotlib 进行数据分析和绘图。可以使用以下命令使用 pip 包管理器安装所需的库：

pip install torch torchvision torchaudio numpy matplotlib

详细步骤

步骤1：下载数据并从训练集中打印一些示例图像。

• 在开始进行 模型训练 之前，我们首先需要将数据集下载到本地机器上，我们将在该机器上训练我们的模型。为此，我们将使用 torchvision库，将 CIFAR-10 数据集分别下载到目录“./CIFAR10/train”和“./CIFAR10/test ”中的训练和测试集中。我们还应用了图像变换，该过程在所有图像的三个通道上完成。
• 现在，我们有一个训练数据集和一个测试数据集，分别包含 50000 和 10000 张图像，尺寸为 32x32x3。之后，我们将这些数据集转换为批大小为 128 的数据加载器，以实现更好的泛化和更快的训练过程。
• 最后，我们从第一批训练数据中绘制出一些样本图像，以了解我们使用torchvision的**make_grid实用程序处理的图像。

具体代码如下：

import torch 
import torchvision 
import matplotlib.pyplot as plt 
import numpy as np 

# The below two lines are optional and are just there to avoid any SSL 
# related errors while downloading the CIFAR-10 dataset 
import ssl 
ssl._create_default_https_context = ssl._create_unverified_context 

#Defining plotting settings 
plt.rcParams['figure.figsize'] = 14, 6

#Initializing normalizing transform for the dataset 
normalize_transform = torchvision.transforms.Compose([ 
	torchvision.transforms.ToTensor(), 
	torchvision.transforms.Normalize(mean = (0.5, 0.5, 0.5), 
									std = (0.5, 0.5, 0.5))]) 

#Downloading the CIFAR10 dataset into train and test sets 
train_dataset = torchvision.datasets.CIFAR10( 
	root="./CIFAR10/train", 
    train=True, 
	transform=normalize_transform, 
	download=True) 
	
test_dataset = torchvision.datasets.CIFAR10( 
	root="./CIFAR10/test", 
    train=False, 
	transform=normalize_transform, 
	download=True) 
	
#Generating data loaders from the corresponding datasets 
batch_size = 128
train_loader = torch.utils.data.DataLoader(train_dataset, batch_size=batch_size) 
test_loader = torch.utils.data.DataLoader(test_dataset, batch_size=batch_size) 

#Plotting 25 images from the 1st batch 
dataiter = iter(train_loader) 
images, labels = dataiter.next() 
plt.imshow(np.transpose(torchvision.utils.make_grid( 
images[:25], normalize=True, padding=1, nrow=5).numpy(), (1, 2, 0))) 
plt.axis('off')

输出：

图 1：来自训练数据集的一些示例图像

步骤 2：绘制数据集的类别分布

绘制训练集的类别分布通常是一个好主意。**这有助于检查所提供的数据集是否平衡。**为此，我们分批迭代整个训练集并收集每个实例的相应类别。最后，我们计算唯一类别的数量并绘制它们。

代码如下：

#Iterating over the training dataset and storing the target class for each sample 
classes = [] 
for batch_idx, data in enumerate(train_loader, 0): 
	x, y = data 
	classes.extend(y.tolist()) 
	
#Calculating the unique classes and the respective counts and plotting them 
unique, counts = np.unique(classes, return_counts=True) 
names = list(test_dataset.class_to_idx.keys()) 
plt.bar(names, counts) 
plt.xlabel("Target Classes") 
plt.ylabel("Number of training instances")

输出：

图 2：训练集的类别分布

如图 2 所示，这十个类别中的每一个类别都有几乎相同数量的训练样本。因此，我们不需要采取额外的步骤来重新平衡数据集。

步骤3：实现CNN架构

在架构方面，我们将使用一个简单的模型，该模型采用三个深度分别为32、64 和 64 的卷积层，然后是两个完全连接层以执行分类。

• 每个卷积层都涉及一个包含3×3 卷积滤波器的卷积操作，然后是 ReLU 激活操作以将非线性引入系统，以及带有 2×2 滤波器的最大池化操作以降低特征图的维数。
• 在卷积块结束后，我们将多维层扁平化为低维结构，以开始我们的分类块。在第一个线性层之后，最后一个输出层（也是线性层）针对我们数据集中的十个唯一类别中的每一个都有十个神经元。

架构如下：

图 3：CNN 的架构图

为了构建我们的模型，我们将创建一个从torch.nn.Module类继承的CNN 类，以利用 Pytorch 实用程序。除此之外，我们将使用torch.nn.Sequential容器将我们的层一个接一个地组合起来。

• Conv2D ()、ReLU()和MaxPool2D()层执行卷积、激活和池化操作。我们使用 1 的填充来为内核提供足够的学习空间，因为填充为图像提供了更多的覆盖区域，尤其是外框中的像素。
• 卷积块之后，***Linear()***全连接层执行分类。

代码：

class CNN(torch.nn.Module): 
	def __init__(self): 
		super().__init__() 
		self.model = torch.nn.Sequential( 
			#Input = 3 x 32 x 32, Output = 32 x 32 x 32 
			torch.nn.Conv2d(in_channels = 3, out_channels = 32, kernel_size = 3, padding = 1), 
			torch.nn.ReLU(), 
			#Input = 32 x 32 x 32, Output = 32 x 16 x 16 
			torch.nn.MaxPool2d(kernel_size=2), 

			#Input = 32 x 16 x 16, Output = 64 x 16 x 16 
			torch.nn.Conv2d(in_channels = 32, out_channels = 64, kernel_size = 3, padding = 1), 
			torch.nn.ReLU(), 
			#Input = 64 x 16 x 16, Output = 64 x 8 x 8 
			torch.nn.MaxPool2d(kernel_size=2), 
			
			#Input = 64 x 8 x 8, Output = 64 x 8 x 8 
			torch.nn.Conv2d(in_channels = 64, out_channels = 64, kernel_size = 3, padding = 1), 
			torch.nn.ReLU(), 
			#Input = 64 x 8 x 8, Output = 64 x 4 x 4 
			torch.nn.MaxPool2d(kernel_size=2), 

			torch.nn.Flatten(), 
			torch.nn.Linear(64*4*4, 512), 
			torch.nn.ReLU(), 
			torch.nn.Linear(512, 10) 
		) 

	def forward(self, x): 
		return self.model(x) 

步骤 4：定义训练参数并开始训练

我们通过选择训练模型的设备（即 CPU 或 GPU）来开始训练过程。然后，我们定义模型超参数，如下所示：

• 我们对模型进行了50 轮训练，由于我们有一个多类问题，我们使用交叉熵损失作为我们的目标函数。
• 我们采用了流行的Adam 优化器，学习率为 0.001，**weight_decay 为 0.01，**通过正则化来优化目标函数，防止过度拟合。

最后，我们开始训练循环，其中包括计算每个批次的输出，并通过将预测标签与真实标签进行比较来计算损失。最后，我们绘制了每个时期的训练损失，以确保训练过程按计划进行。

代码：

#Selecting the appropriate training device 
device = 'cuda' if torch.cuda.is_available() else 'cpu'
model = CNN().to(device) 

#Defining the model hyper parameters 
num_epochs = 50
learning_rate = 0.001
weight_decay = 0.01
criterion = torch.nn.CrossEntropyLoss() 
optimizer = torch.optim.Adam(model.parameters(), lr=learning_rate, weight_decay=weight_decay) 

#Training process begins 
train_loss_list = [] 
for epoch in range(num_epochs): 
	print(f'Epoch {epoch+1}/{num_epochs}:', end = ' ') 
	train_loss = 0
	
	#Iterating over the training dataset in batches 
	model.train() 
	for i, (images, labels) in enumerate(train_loader): 
		
		#Extracting images and target labels for the batch being iterated 
		images = images.to(device) 
		labels = labels.to(device) 

		#Calculating the model output and the cross entropy loss 
		outputs = model(images) 
		loss = criterion(outputs, labels) 

		#Updating weights according to calculated loss 
		optimizer.zero_grad() 
		loss.backward() 
		optimizer.step() 
		train_loss += loss.item() 
	
	#Printing loss for each epoch 
	train_loss_list.append(train_loss/len(train_loader)) 
	print(f"Training loss = {train_loss_list[-1]}") 
	
#Plotting loss for all epochs 
plt.plot(range(1,num_epochs+1), train_loss_list) 
plt.xlabel("Number of epochs") 
plt.ylabel("Training loss") 

输出：

图 4：训练损失与周期数的关系图

从图 4 中我们可以看出，随着训练次数的增加，损失逐渐减少，这表明训练过程成功。

步骤 5：计算模型在测试集上的准确率

现在我们的模型已经训练完毕，我们需要检查它在测试集上的表现。为此，我们分批迭代整个测试集，并通过比较每个批次的真实标签和预测标签来计算准确率。

代码：

test_acc=0
model.eval() 

with torch.no_grad(): 
	#Iterating over the training dataset in batches 
	for i, (images, labels) in enumerate(test_loader): 
		
		images = images.to(device) 
		y_true = labels.to(device) 
		
		#Calculating outputs for the batch being iterated 
		outputs = model(images) 
		
		#Calculated prediction labels from models 
		_, y_pred = torch.max(outputs.data, 1) 
		
		#Comparing predicted and true labels 
		test_acc += (y_pred == y_true).sum().item() 
	
	print(f"Test set accuracy = {100 * test_acc / len(test_dataset)} %")

输出：

图 5：测试集上的准确率

步骤 6：生成测试集中样本图像的预测

如图 5 所示，我们的模型已达到近 72% 的准确率。为了验证其性能，我们可以为一些样本图像生成一些预测。为此，我们获取测试集最后一批的前五张图像，并使用torchvision 的make_grid实用程序绘制它们。然后，我们从模型中收集它们的真实标签和预测，并将它们显示在图的标题中。

代码：

#Generating predictions for 'num_images' amount of images from the last batch of test set 
num_images = 5
y_true_name = [names[y_true[idx]] for idx in range(num_images)] 
y_pred_name = [names[y_pred[idx]] for idx in range(num_images)] 

#Generating the title for the plot 
title = f"Actual labels: {y_true_name}, Predicted labels: {y_pred_name}"

#Finally plotting the images with their actual and predicted labels in the title 
plt.imshow(np.transpose(torchvision.utils.make_grid(images[:num_images].cpu(), normalize=True, padding=1).numpy(), (1, 2, 0))) 
plt.title(title) 
plt.axis("off")

输出：

图 6：测试集中 5 个样本图像的实际标签与预测标签。请注意，标签的顺序与相应图像的顺序相同，从左到右。

从图 6 可以看出，除了第二张图像外，该模型对所有图像都产生了正确的预测，因为它将狗错误地归类为猫！

结论：

本文介绍了在流行的 CIFAR-10 数据集上用 PyTorch 实现的简单 CNN。我们还可以尝试网络架构和模型超参数，以进一步提高模型准确性！

关注文末名片G-Z-H：【阿旭算法与机器学习】，发送【开源】可获取更多学习资源

好了，这篇文章就介绍到这里，喜欢的小伙伴感谢给点个赞和关注，更多精彩内容持续更新~~
关于本篇文章大家有任何建议或意见，欢迎在评论区留言交流！