365天深度学习训练营-第P5周：Pytorch实现运动鞋识别

• 文为「365天深度学习训练营」内部文章
• 参考本文所写文章，请在文章开头带上「🔗 声明」

• 🍨 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

🍺要求：

1. 了解如何设置动态学习率（重点）√
2. 调整代码使测试集accuracy到达84%。√

🍻拔高（可选）：

1. 保存训练过程中的最佳模型权重 √
2. 调整代码使测试集accuracy到达86%。 √

🏡 我的环境：

• 语言环境：Python3.11.9
• 编译器：Jupyter Lab
• 深度学习环境：
  • torch==2.3.1
    • torchvision==0.18.1

一、 前期准备

1. 设置GPU

如果设备上支持GPU就使用GPU,否则使用CPU

import torch
import torch.nn as nn
import torchvision.transforms as transforms
import torchvision
from torchvision import transforms, datasets

import os,PIL,pathlib

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

device

2. 导入数据

import os,PIL,random,pathlib

data_dir = './data'
data_dir = pathlib.Path(data_dir)

data_paths  = list(data_dir.glob('*'))
classeNames = [str(path).split("\\")[1] for path in data_paths]
classeNames

• 第一步：使用pathlib.Path()函数将字符串类型的文件夹路径转换为pathlib.Path对象。
• 第二步：使用glob()方法获取data_dir路径下的所有文件路径，并以列表形式存储在data_paths中。
• 第三步：通过split()函数对data_paths中的每个文件路径执行分割操作，获得各个文件所属的类别名称，并存储在classeNames中
• 第四步：打印classeNames列表，显示每个文件所属的类别名称。

# 关于transforms.Compose的更多介绍可以参考：https://blog.csdn.net/qq_38251616/article/details/124878863
train_transforms = transforms.Compose([
    transforms.Resize([224, 224]),  # 将输入图片resize成统一尺寸
    # transforms.RandomHorizontalFlip(), # 随机水平翻转
    transforms.ToTensor(),          # 将PIL Image或numpy.ndarray转换为tensor，并归一化到[0,1]之间
    transforms.Normalize(           # 标准化处理-->转换为标准正太分布（高斯分布），使模型更容易收敛
        mean=[0.485, 0.456, 0.406], 
        std=[0.229, 0.224, 0.225])  # 其中 mean=[0.485,0.456,0.406]与std=[0.229,0.224,0.225] 从数据集中随机抽样计算得到的。
])

test_transform = transforms.Compose([
    transforms.Resize([224, 224]),  # 将输入图片resize成统一尺寸
    transforms.ToTensor(),          # 将PIL Image或numpy.ndarray转换为tensor，并归一化到[0,1]之间
    transforms.Normalize(           # 标准化处理-->转换为标准正太分布（高斯分布），使模型更容易收敛
        mean=[0.485, 0.456, 0.406], 
        std=[0.229, 0.224, 0.225])  # 其中 mean=[0.485,0.456,0.406]与std=[0.229,0.224,0.225] 从数据集中随机抽样计算得到的。
])

train_dataset = datasets.ImageFolder("./data/train/",transform=train_transforms)
test_dataset  = datasets.ImageFolder("./data/test/",transform=test_transform)

train_dataset.class_to_idx

batch_size = 32

train_dl = torch.utils.data.DataLoader(train_dataset,
                                           batch_size=batch_size,
                                           shuffle=True,
                                           num_workers=1)
test_dl = torch.utils.data.DataLoader(test_dataset,
                                          batch_size=batch_size,
                                          shuffle=True,
                                          num_workers=1)

for X, y in test_dl:
    print("Shape of X [N, C, H, W]: ", X.shape)
    print("Shape of y: ", y.shape, y.dtype)
    break

二、构建简单的CNN网络

网络结构图（可单击放大查看）：

import torch.nn.functional as F

class Model(nn.Module):
    def __init__(self):
        super(Model, self).__init__()
        self.conv1=nn.Sequential(
            nn.Conv2d(3, 12, kernel_size=5, padding=0), # 12*220*220
            nn.BatchNorm2d(12),
            nn.ReLU())
        
        self.conv2=nn.Sequential(
            nn.Conv2d(12, 12, kernel_size=5, padding=0), # 12*216*216
            nn.BatchNorm2d(12),
            nn.ReLU())
        
        self.pool3=nn.Sequential(
            nn.MaxPool2d(2))                              # 12*108*108
        
        self.conv4=nn.Sequential(
            nn.Conv2d(12, 24, kernel_size=5, padding=0), # 24*104*104
            nn.BatchNorm2d(24),
            nn.ReLU())
        
        self.conv5=nn.Sequential(
            nn.Conv2d(24, 24, kernel_size=5, padding=0), # 24*100*100
            nn.BatchNorm2d(24),
            nn.ReLU())
        
        self.pool6=nn.Sequential(
            nn.MaxPool2d(2))                              # 24*50*50

        self.dropout = nn.Sequential(
            nn.Dropout(0.2))
        
        self.fc=nn.Sequential(
            nn.Linear(24*50*50, len(classeNames)))
        
    def forward(self, x):
        
        batch_size = x.size(0)
        x = self.conv1(x)  # 卷积-BN-激活
        x = self.conv2(x)  # 卷积-BN-激活
        x = self.pool3(x)  # 池化
        x = self.conv4(x)  # 卷积-BN-激活
        x = self.conv5(x)  # 卷积-BN-激活
        x = self.pool6(x)  # 池化
        x = self.dropout(x)
        x = x.view(batch_size, -1)  # flatten 变成全连接网络需要的输入 (batch, 24*50*50) ==> (batch, -1), -1 此处自动算出的是24*50*50
        x = self.fc(x)
       
        return x

device = "cuda" if torch.cuda.is_available() else "cpu"
print("Using {} device".format(device))

model = Model().to(device)
model

三、 训练模型

1. 编写训练函数

# 训练循环
def train(dataloader, model, loss_fn, optimizer):
    size = len(dataloader.dataset)  # 训练集的大小
    num_batches = len(dataloader)   # 批次数目, (size/batch_size，向上取整)

    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

3. 编写测试函数

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

def test (dataloader, model, loss_fn):
    size        = len(dataloader.dataset)  # 测试集的大小
    num_batches = len(dataloader)          # 批次数目, (size/batch_size，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

3. 设置动态学习率

def adjust_learning_rate(optimizer, epoch, start_lr):
    # 每 2 个epoch衰减到原来的 0.92
    lr = start_lr * (0.92 ** (epoch // 2))
    for param_group in optimizer.param_groups:
        param_group['lr'] = lr

learn_rate = 1e-4 # 初始学习率
optimizer  = torch.optim.SGD(model.parameters(), lr=learn_rate)

✨调用官方动态学习率接口

与上面方法是等价的

# # 调用官方动态学习率接口时使用
# lambda1 = lambda epoch: (0.92 ** (epoch // 2))
# optimizer = torch.optim.SGD(model.parameters(), lr=learn_rate)
# scheduler = torch.optim.lr_scheduler.LambdaLR(optimizer, lr_lambda=lambda1) #选定调整方法

4. 正式训练

loss_fn    = nn.CrossEntropyLoss() # 创建损失函数
epochs     = 40

train_loss = []
train_acc  = []
test_loss  = []
test_acc   = []

for epoch in range(epochs):
    # 更新学习率（使用自定义学习率时使用）
    adjust_learning_rate(optimizer, epoch, learn_rate)
    
    model.train()
    epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, optimizer)
    # scheduler.step() # 更新学习率（调用官方动态学习率接口时使用）
    
    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)
    
    # 获取当前的学习率
    lr = optimizer.state_dict()['param_groups'][0]['lr']
    
    template = ('Epoch:{:2d}, Train_acc:{:.1f}%, Train_loss:{:.3f}, Test_acc:{:.1f}%, Test_loss:{:.3f}, Lr:{:.2E}')
    print(template.format(epoch+1, epoch_train_acc*100, epoch_train_loss, 
                          epoch_test_acc*100, epoch_test_loss, lr))
print('Done')

四、 结果可视化

1. Loss与Accuracy图

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

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.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()

2. 指定图片进行预测

⭐torch.squeeze()详解

对数据的维度进行压缩，去掉维数为1的的维度

函数原型：

torch.squeeze(input, dim=None, *, out=None)

关键参数说明：

• input (Tensor)：输入Tensor
• dim (int, optional)：如果给定，输入将只在这个维度上被压缩

实战案例：

>>> x = torch.zeros(2, 1, 2, 1, 2)
>>> x.size()
torch.Size([2, 1, 2, 1, 2])
>>> y = torch.squeeze(x)
>>> y.size()
torch.Size([2, 2, 2])
>>> y = torch.squeeze(x, 0)
>>> y.size()
torch.Size([2, 1, 2, 1, 2])
>>> y = torch.squeeze(x, 1)
>>> y.size()
torch.Size([2, 2, 1, 2])

⭐torch.unsqueeze()

对数据维度进行扩充。给指定位置加上维数为一的维度

函数原型：

torch.unsqueeze(input, dim)

关键参数说明：

• input (Tensor)：输入Tensor
• dim (int)：插入单例维度的索引

实战案例：

>>> x = torch.tensor([1, 2, 3, 4])
>>> torch.unsqueeze(x, 0)
tensor([[ 1,  2,  3,  4]])
>>> torch.unsqueeze(x, 1)
tensor([[ 1],
        [ 2],
        [ 3],
        [ 4]])

from PIL import Image
import matplotlib.pyplot as plt
import torch

classes = list(train_dataset.class_to_idx.keys())  # 获取类名列表

def predict_one_image(image_path, model, transform, classes):
    """
    预测单张图片的类别，并显示图片。
    
    :param image_path: 图片路径
    :param model: 训练好的模型
    :param transform: 图像预处理方法
    :param classes: 类别列表
    """
    # 打开图片
    test_img = Image.open(image_path).convert('RGB')
    
    # 显示图片
    plt.imshow(test_img)
    plt.axis('off')
    plt.title("Input Image")
    plt.show()

    # 图像预处理
    test_img = transform(test_img)
    img = test_img.to(device).unsqueeze(0)  # 添加 batch 维度

    # 模型预测
    model.eval()
    with torch.no_grad():
        output = model(img)

    # 获取预测结果
    _, pred = torch.max(output, 1)
    pred_class = classes[pred.item()]  # 获取对应的类名
    print(f'预测结果是：{pred_class}')

# 预测训练集中的某张照片
predict_one_image(image_path='./data/test/adidas/14.jpg', 
                  model=model, 
                  transform=train_transforms, 
                  classes=classes)

五、保存并加载模型

# 模型保存
PATH = './model/model.pth'  # 保存的参数文件名
torch.save(model.state_dict(), PATH)

# 将参数加载到model当中
model.load_state_dict(torch.load(PATH, map_location=device))

六、动态学习率

1.torch.optim.lr_scheduler.StepLR

等间隔动态调整方法，每经过step_size个epoch，做一次学习率decay，以gamma值为缩小倍数。

函数原型：

torch.optim.lr_scheduler.StepLR(optimizer, step_size, gamma=0.1, last_epoch=-1)

关键参数详解：

• optimizer(Optimizer)：是之前定义好的需要优化的优化器的实例名
• step_size(int)：是学习率衰减的周期，每经过每个epoch，做一次学习率decay
• gamma(float)：学习率衰减的乘法因子。Default：0.1

用法示例：

optimizer = torch.optim.SGD(net.parameters(), lr=0.001 )
scheduler = torch.optim.lr_scheduler.StepLR(optimizer, step_size=5, gamma=0.1)

2. lr_scheduler.LambdaLR

根据自己定义的函数更新学习率。

函数原型：

torch.optim.lr_scheduler.LambdaLR(optimizer, lr_lambda, last_epoch=-1, verbose=False)

关键参数详解：

• optimizer(Optimizer)：是之前定义好的需要优化的优化器的实例名
• lr_lambda(function)：更新学习率的函数

用法示例：

lambda1 = lambda epoch: (0.92 ** (epoch // 2) # 第二组参数的调整方法
optimizer = torch.optim.SGD(model.parameters(), lr=learn_rate)
scheduler = torch.optim.lr_scheduler.LambdaLR(optimizer, lr_lambda=lambda1) #选定调整方法

3. lr_scheduler.MultiStepLR

在特定的 epoch 中调整学习率

函数原型：

torch.optim.lr_scheduler.MultiStepLR(optimizer, milestones, gamma=0.1, last_epoch=-1, verbose=False)

关键参数详解：

• optimizer(Optimizer)：是之前定义好的需要优化的优化器的实例名
• milestones(list)：是一个关于epoch数值的list，表示在达到哪个epoch范围内开始变化，必须是升序排列
• gamma(float)：学习率衰减的乘法因子。Default：0.1

用法示例：

optimizer = torch.optim.SGD(net.parameters(), lr=0.001 )
scheduler = torch.optim.lr_scheduler.MultiStepLR(optimizer, 
                                                 milestones=[2,6,15], #调整学习率的epoch数
                                                 gamma=0.1)

更多的官方动态学习率设置方式可参考：torch.optim — PyTorch 2.5 documentation

👉调用官方接口示例：

model = [Parameter(torch.randn(2, 2, requires_grad=True))]
optimizer = SGD(model, 0.1)
scheduler = ExponentialLR(optimizer, gamma=0.9)

for epoch in range(20):
    for input, target in dataset:
        optimizer.zero_grad()
        output = model(input)
        loss = loss_fn(output, target)
        loss.backward()
        optimizer.step()
    scheduler.step()

七、优化模型精度

数据增强

引入更多的数据增强方式，例如随机裁剪、随机旋转、随机亮度调整等。

# 数据增强
# Transformer 模型通常对输入尺寸有固定要求（例如 ViT 输入为 224x224），需要确保数据增强部分调整为适合 Transformer 的输入：
train_transforms = transforms.Compose([
    transforms.Resize((224, 224)),   # 将输入调整为 224x224
    transforms.RandomHorizontalFlip(),
    transforms.RandomRotation(15),
    transforms.ColorJitter(brightness=0.2, contrast=0.2, saturation=0.2, hue=0.1),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])  # 使用 ImageNet 的均值和标准差
])

test_transform = transforms.Compose([
    transforms.Resize((224, 224)),   # 将输入调整为 224x224
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])  # 使用 ImageNet 的均值和标准差
])


train_dataset = datasets.ImageFolder("./data/train/",transform=train_transforms)
test_dataset  = datasets.ImageFolder("./data/test/",transform=test_transform)

增大批量大小

batch_size = 64 # 从32增加到64，增大批量大小进而加快训练速度

train_dl = torch.utils.data.DataLoader(train_dataset,
                                           batch_size=batch_size,
                                           shuffle=True,
                                           num_workers=16)
test_dl = torch.utils.data.DataLoader(test_dataset,
                                          batch_size=batch_size,
                                          shuffle=True,
                                          num_workers=16)

改进模型架构

使用迁移学习VIT模型

ViT 比自定义模型效果更好，主要因为其采用了自注意力机制，能够捕获全局特征，同时使用大规模数据集进行预训练，具备丰富的视觉知识。此外，ViT 的正则化和优化策略更加先进，适合复杂任务，而您的模型因参数量少、无预训练支持，可能无法高效提取特征和适配任务需求。

import torch
import torch.nn as nn
from torchvision.models import vit_b_16

# 加载预训练的 ViT 模型
model = vit_b_16(weights='IMAGENET1K_V1')  # 使用预训练权重

# 获取原始分类头部的输入特征数
in_features = model.heads.head.in_features

# 修改分类头部以适应新的类别数
num_classes = len(classeNames)  # 您的数据集类别数
model.heads.head = nn.Linear(in_features, num_classes)

# 将模型移动到 GPU（如果可用）
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model = model.to(device)
model

改进优化器

• 使用AdamW 替代 SGD，并调整其学习率。

• CosineAnnealingLR特点：

• 学习率变化：学习率按照余弦函数逐渐下降，从 lr_max 到 lr_min，形成一个平滑曲线。在训练周期内，学习率先快速下降，然后缓慢减小，最后趋近 lr_min。

• 灵活性高：不需要指定固定的 step，而是根据整个训练周期 T_max 自动调节学习率。

• 对训练后期的收敛效果更好，因为学习率在训练末尾缓慢减小。
• 平滑的下降方式可以避免验证集损失的突然波动。
• 适合较大的模型或对学习率变化敏感的任务。

# Transformer 模型较深且复杂，建议调整优化器超参数：
learn_rate = 5e-5  # Transformer 通常需要较小的学习率
optimizer = torch.optim.AdamW(model.parameters(), lr=learn_rate, weight_decay=1e-4)

# 调整调度器
scheduler = torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max=20, eta_min=1e-6)

 正式训练

import os
import time

# 初始化变量
best_loss = float("inf")  # 初始化为一个很大的值
best_model_path = None    # 保存最佳模型的路径

loss_fn = nn.CrossEntropyLoss()  # 创建损失函数
# 训练与测试
epochs = 50
train_loss = []
train_acc = []
test_loss = []
test_acc = []

for epoch in range(epochs):
    start_time = time.time()  # 记录 epoch 开始时间

    # 训练阶段
    model.train()
    epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, optimizer)

    # 验证阶段
    model.eval()
    epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn)

    # 调用 CosineAnnealingLR 调度器，根据训练周期调整学习率
    scheduler.step()

    # 检查是否是最低验证集损失
    if epoch_test_loss < best_loss:
        # 删除旧的最佳模型文件
        if best_model_path and os.path.exists(best_model_path):
            os.remove(best_model_path)
        
        best_loss = epoch_test_loss
        # 更新保存路径，包含 epoch 信息和验证集精度
        best_model_path = f"./model/best_model_epoch_{epoch+1}_acc_{epoch_test_acc*100:.1f}.pth"
        torch.save(model.state_dict(), best_model_path)
        print(f"New best model saved at {best_model_path} with Test Loss: {best_loss:.4f} and Test Accuracy: {epoch_test_acc*100:.2f}%")

    # 保存训练和测试数据
    train_acc.append(epoch_train_acc)
    train_loss.append(epoch_train_loss)
    test_acc.append(epoch_test_acc)
    test_loss.append(epoch_test_loss)

    # 打印日志
    epoch_time = time.time() - start_time  # 计算 epoch 总时间
    template = ('Epoch:{:2d}, Train_acc:{:.1f}%, Train_loss:{:.3f}, '
                'Test_acc:{:.1f}%, Test_loss:{:.3f}, Time:{:.2f} seconds')
    print(template.format(epoch+1, epoch_train_acc*100, epoch_train_loss,
                          epoch_test_acc*100, epoch_test_loss, epoch_time))

print("Training Completed")
if best_model_path:
    print(f"Best model saved at: {best_model_path} with Test Loss: {best_loss:.4f}")
else:
    print("No model was saved during training.")

训练结果 

# 将参数加载到model当中
model.load_state_dict(torch.load(best_model_path, map_location=device))

原本会判断错误的图

八、个人总结 

通过这次的学习和实践，我对深度学习模型的构建、优化和训练过程有了更深刻的理解，尤其是动态学习率的设置和模型性能的优化让我受益匪浅。

首先，我学会了如何构建一个简单的CNN网络，并通过代码实现了从数据预处理到模型定义、训练和测试的完整流程。例如，利用 torchvision.transforms 进行数据增强，通过调整图片的大小、添加随机翻转等方法丰富了训练数据的多样性，从而提高了模型的泛化能力。这一过程让我深刻体会到数据质量对深度学习模型的重要性。

其次，动态学习率的设置是我此次学习的重点之一。我了解到，学习率的动态调整可以显著提高模型的收敛速度和精度。在这次实验中，我通过自定义学习率衰减策略以及使用 PyTorch 官方调度器（如 CosineAnnealingLR）有效地优化了训练过程。这不仅提升了测试集的准确率，还使训练更为高效。我在这里学到了根据不同的任务需求灵活选择调度器的重要性，今后在面对更复杂的模型时，比如 Transformer 或 ViT 模型，我会优先考虑更加适合的学习率调度策略。

此外，通过引入迁移学习和改进优化器（如 AdamW），我进一步提升了模型的性能。在迁移学习的部分，我使用了 ViT 预训练模型，并调整了分类头部以适应数据集类别数。这让我意识到，面对小数据集或者复杂任务时，预训练模型的优势不可忽视。同时，AdamW 优化器以及余弦退火学习率策略的使用也让我更加熟悉了现代深度学习优化技术的核心思想。

最后，通过保存和加载最佳模型权重，我建立了一套科学的实验流程。这让我认识到保存训练过程中的最佳模型权重不仅有助于结果复现，还能够避免重复训练节省计算资源。在调整模型以达到更高测试集准确率时，我也积累了一些经验：比如增大批量大小可以提升训练速度，但需要注意显存的限制；合理的数据增强和正则化（如 Dropout）可以有效防止过拟合。