第P2周：CIFAR10彩色图片识别

• 🍨 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

📌第P2周：彩色图片识别📌

• 难度：小白入门⭐

• 语言：Python3、Pytorch

🍺 要求：

1. 学习如何编写一个完整的深度学习程序

2. 手动推导卷积层与池化层的计算过程

🔔 本次的重点在于学会构建CNN网络

🏡 我的环境：

• 语言环境：Python3.8

• 编译器：jupyter notebook

• 深度学习环境：Pytorch

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 matplotlib.pyplot as plt
import torchvisiondevice = torch.device("cuda" if torch.cuda.is_available() else "cpu")device
device(type='cuda')

2. 导入数据

使用dataset下载CIFAR10数据集，并划分好训练集与测试集

使用dataloader加载数据，并设置好基本的batch_size

train_ds = torchvision.datasets.CIFAR10('data', train=True, transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensordownload=True)test_ds  = torchvision.datasets.CIFAR10('data', train=False, transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensordownload=True)# 如已经下载过 
# Files already downloaded and verified
# Files already downloaded and verified

batch_size = 32train_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)
# 取一个批次查看数据格式
# 数据的shape为：[batch_size, channel, height, weight]
# 其中batch_size为自己设定，channel，height和weight分别是图片的通道数，高度和宽度。
imgs, labels = next(iter(train_dl))print("img shape: ", imgs.shape)
print("labels shape: ", labels.shape)

3. 数据可视化

squeeze()函数的功能是从矩阵shape中，去掉维度为1的。例如一个矩阵是的shape是（5, 1），使用过这个函数后，结果为（5, ）。

import numpy as np# 指定图片大小，图像大小为20宽、5高的绘图(单位为英寸inch)
plt.figure(figsize=(20, 5)) 
for i, imgs in enumerate(imgs[:20]):# 维度缩减npimg = imgs.numpy().transpose((1, 2, 0))# 将整个figure分成2行10列，绘制第i+1个子图。plt.subplot(2, 10, i+1)plt.imshow(npimg, cmap=plt.cm.binary)plt.axis('off')#plt.show()  如果你使用的是Pycharm编译器，请加上这行代码

matplot.lib 简单使用

# 1 通过figure创建画布
plt.figure(num=1, figsize=(10,10),dpi=200,facecolor='gray',edgecolor='r')# 2 通过subplot创建单个子图
data = np.random.randn(10).cumsum()
plt.subplot(221)  # 把画布分成4份，在第一份上画图221等同于2，2，1
plt.plot(data)plt.subplot(222)
plt.plot(data)plt.subplot(212) # 把画布分成2份，在第二份上画图
plt.plot(data)# 3 通过subplots创建多个子图
fig,axes = plt.subplots(1,2)
data = np.random.randn(20).cumsum()
axes[0].plot(data,'g--')
axes[1].plot(data**2,'ko--')
plt.show()

二、构建简单的CNN网络

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。

⭐ torch.nn.Conv2d()讲解

函数原型：

torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None, dtype=None)

参数说明：

• in_channels ( int ) – 输入图像中的通道数
• out_channels ( int ) – 卷积产生的通道数
• kernel_size ( int or tuple ) – 卷积核的大小
• stride ( int or tuple , optional ) – 卷积的步幅。默认值：1
• padding ( int , tuple或str , optional ) – 添加到输入的所有四个边的填充。默认值：0
• dilation (int or tuple, optional) - 扩张操作：控制kernel点（卷积核点）的间距，默认值:1。
• padding_mode (字符串,可选) – ‘zeros’, ‘reflect’, ‘replicate’或’circular’. 默认：‘zeros’

⭐ torch.nn.Conv2d()讲解

函数原型：

torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None, dtype=None)

参数说明：

• in_channels ( int ) – 输入图像中的通道数
• out_channels ( int ) – 卷积产生的通道数
• kernel_size ( int or tuple ) – 卷积核的大小
• stride ( int or tuple , optional ) – 卷积的步幅。默认值：1
• padding ( int , tuple或str , optional ) – 添加到输入的所有四个边的填充。默认值：0
• dilation (int or tuple, optional) - 扩张操作：控制kernel点（卷积核点）的间距，默认值:1。
• padding_mode (字符串,可选) – ‘zeros’, ‘reflect’, ‘replicate’或’circular’. 默认：‘zeros’

关于dilation参数图解：

⭐ torch.nn.Linear()讲解

函数原型：

torch.nn.Linear(in_features, out_features, bias=True, device=None, dtype=None)

参数说明：

• in_features – 每个输入样本的大小
• out_features – 每个输出样本的大小

⭐ torch.nn.MaxPool2d()讲解

函数原型：

torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)

参数说明：

• kernel_size – 每个输入样本的大小
• stride – 每个输出样本的大小
• padding – 填充值，默认为0
• dilation – 控制窗口中元素步幅的参数

⭐ 关于卷积层、池化层的计算

下面的网络数据shape变化过程为：

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)

网络结构图：

import torch.nn.functional as Fnum_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*3self.pool1 = nn.MaxPool2d(kernel_size=2)       # 设置池化层，池化核大小为2*2self.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

加载并打印模型

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)

=================================================================
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
=================================================================

三、 训练模型

1. 设置超参数

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)

2. 编写训练函数

1. optimizer.zero_grad()

函数会遍历模型的所有参数，通过内置方法截断反向传播的梯度流，再将每个参数的梯度值设为0，即上一次的梯度记录被清空。

2. loss.backward()

PyTorch的反向传播(即tensor.backward())是通过autograd包来实现的，autograd包会根据tensor进行过的数学运算来自动计算其对应的梯度。

具体来说，torch.tensor是autograd包的基础类，如果你设置tensor的requires_grads为True，就会开始跟踪这个tensor上面的所有运算，如果你做完运算后使用tensor.backward()，所有的梯度就会自动运算，tensor的梯度将会累加到它的.grad属性里面去。

更具体地说，损失函数loss是由模型的所有权重w经过一系列运算得到的，若某个w的requires_grads为True，则w的所有上层参数（后面层的权重w）的.grad_fn属性中就保存了对应的运算，然后在使用loss.backward()后，会一层层的反向传播计算每个w的梯度值，并保存到该w的.grad属性中。

如果没有进行tensor.backward()的话，梯度值将会是None，因此loss.backward()要写在optimizer.step()之前。

3. optimizer.step()

step()函数的作用是执行一次优化步骤，通过梯度下降法来更新参数的值。因为梯度下降是基于梯度的，所以在执行optimizer.step()函数前应先执行loss.backward()函数来计算梯度。

注意：optimizer只负责通过梯度下降进行优化，而不负责产生梯度，梯度是tensor.backward()方法产生的。

# 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losstrain_acc  += (pred.argmax(1) == y).type(torch.float).sum().item()train_loss += loss.item()train_acc  /= sizetrain_loss /= num_batchesreturn 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，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losstarget_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  /= sizetest_loss /= num_batchesreturn test_acc, test_loss

4. 正式训练

1. model.train()

model.train()的作用是启用 Batch Normalization 和 Dropout。

如果模型中有BN层(Batch Normalization）和Dropout，需要在训练时添加model.train()。model.train()是保证BN层能够用到每一批数据的均值和方差。对于Dropout，model.train()是随机取一部分网络连接来训练更新参数。

2. model.eval()

model.eval()的作用是不启用 Batch Normalization 和 Dropout。

如果模型中有BN层(Batch Normalization）和Dropout，在测试时添加model.eval()。model.eval()是保证BN层能够用全部训练数据的均值和方差，即测试过程中要保证BN层的均值和方差不变。对于Dropout，model.eval()是利用到了所有网络连接，即不进行随机舍弃神经元。

训练完train样本后，生成的模型model要用来测试样本。在model(test)之前，需要加上model.eval()，否则的话，有输入数据，即使不训练，它也会改变权值。这是model中含有BN层和Dropout所带来的的性质。

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')

训练日志：

Epoch: 1, Train_acc:15.1%, Train_loss:2.245, Test_acc:24.0%，Test_loss:2.044
Epoch: 2, Train_acc:27.2%, Train_loss:1.976, Test_acc:31.9%，Test_loss:1.854
Epoch: 3, Train_acc:35.9%, Train_loss:1.763, Test_acc:39.2%，Test_loss:1.652
Epoch: 4, Train_acc:41.8%, Train_loss:1.604, Test_acc:41.2%，Test_loss:1.623
Epoch: 5, Train_acc:45.3%, Train_loss:1.510, Test_acc:48.4%，Test_loss:1.437
Epoch: 6, Train_acc:48.5%, Train_loss:1.428, Test_acc:49.4%，Test_loss:1.413
Epoch: 7, Train_acc:51.7%, Train_loss:1.347, Test_acc:47.9%，Test_loss:1.420
Epoch: 8, Train_acc:54.4%, Train_loss:1.275, Test_acc:55.6%，Test_loss:1.265
Epoch: 9, Train_acc:57.1%, Train_loss:1.213, Test_acc:59.0%，Test_loss:1.176
Epoch:10, Train_acc:59.3%, Train_loss:1.154, Test_acc:54.5%，Test_loss:1.270
Done

四、 结果可视化

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()

训练准确率（蓝色线）随着训练周期的增加而稳步提高，测试准确率（橙色线）在训练早期迅速提高。
训练损失（蓝色线）持续下降，测试损失（橙色线）下降后开始上升。

五、知识点详解

5.1 卷积神经网络结构

5.1.1 卷积层（Convolutional Layer）

卷积层是CNN的核心，主要用于特征提取。通过在输入数据上滑动多个小的、可学习的滤波器或卷积核，卷积层能够捕获局部依赖性和图像特征如边缘、颜色和纹理等。这些滤波器可以自动从训练数据中学习到有效的表示形式，使得CNN对图像的各种变换（如平移、缩放）具有一定的不变性。

5.1.2 池化层（Pooling Layer）

池化层通常紧跟在卷积层之后，其主要目的是减少特征图的空间尺寸（即宽度和高度），从而减少计算量和参数的数量，同时保持特征的主要信息。池化操作通常有最大池化（取局部区域内的最大值）和平均池化（取局部区域内的平均值）两种。池化层也有助于提高模型对小的位置变化的鲁棒性。

5.1.3 Flatten层（Flatten Layer）

Flatten层的作用是将之前层的多维输出扁平化为一维数组。在卷积神经网络中，卷积层和池化层通常会输出多维的特征图（例如，宽度、高度和深度）。当我们需要将这些特征图连接到全连接层进行分类或其他任务时，Flatten层作为一个过渡层，将多维的特征图展开成一维的形式，以便后续层能够处理。

5.1.4 全连接层（Fully Connected Layer）

全连接层位于CNN的末端，通常负责最终的分类决策。在这些层中，每个节点都与前一层的所有激活输出相连接。全连接层的作用是将前面层学习到的表示（特征）综合起来，以执行分类、回归等任务。在进行分类时，最后一个全连接层的输出维度通常等于类别的数量，并通过Softmax函数等激活函数将输出转换为概率分布。

5.2 补充问题

self.fc1 = nn.Linear(512, 256) 中的512是怎么算出来的

**回答1：**这是Flatten层作用的结果，12822=512。在神经网络中，通常会在前几层使用卷积层或池化层对输入数据进行处理，这些层可以提取输入数据中的空间特征或者频域特征等信息。而在后续的全连接层中，需要将处理后的多维数据转换为一维向量，以便进行分类或回归等任务。

这时候，Flatten层会将输入数据按照顺序展开，得到一个一维向量作为输出，同时保留输入数据中的所有信息，例如空间位置信息、通道信息等。

注：Flatten层并不会改变输入数据的形状，而只是将其展开为一维向量。因此，该层通常作为神经网络的中间层使用，将前面的多维数据转换为一维向量后再进行后续的处理。