Pytorch 使用CNN图像分类的实现

1. 概述

Convolutional Neural Network（CNN），即卷积神经网络，在图像分类、目标检测等领域取得了很大的成果。本文将介绍如何使用PyTorch实现一个基于CNN的图像分类模型。

2. 数据集介绍

我们使用的数据集是CIFAR-10，该数据集包含60000张32x32像素的彩色图像，共分为10个类别（每个类别6000张图片），分别为：飞机、汽车、鸟类、猫、鹿、狗、青蛙、马、船和卡车。其中50000张图像为训练集，10000张为测试集。

在此之前，需要安装CIFAR-10数据集并且导入PyTorch中：

import torch

import torchvision
import torchvision.transforms as transforms
transform = transforms.Compose(
    [transforms.ToTensor(),
     transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
                                        download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4,
                                          shuffle=True, num_workers=2)
testset = torchvision.datasets.CIFAR10(root='./data', train=False,
                                       download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=4,
                                         shuffle=False, num_workers=2)
classes = ('plane', 'car', 'bird', 'cat',
           'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

这里使用transforms对图像进行了预处理，使其归一化并转换成Tensor类型，使得网络能够处理图像。数据集每个batch大小为4，共有10个类别，用一个元组classes表示。

3. CNN模型训练

3.1 网络结构

我们采用的是LeNet-5网络结构，具体如下：

import torch.nn as nn

import torch.nn.functional as F
class LeNet5(nn.Module):
    def __init__(self):
        super(LeNet5, self).__init__()
        self.conv1 = nn.Conv2d(3, 6, 5)
        self.pool1 = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(6, 16, 5)
        self.pool2 = nn.MaxPool2d(2, 2)
        self.fc1 = nn.Linear(16 * 5 * 5, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)
    def forward(self, x):
        x = self.pool1(F.relu(self.conv1(x)))
        x = self.pool2(F.relu(self.conv2(x)))
        x = x.view(-1, 16 * 5 * 5)
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x
net = LeNet5()

以上是一个非常简单的CNN模型，一共两个卷积层、两个池化层和三个全连接层，其中最后一个全连接层的输出为10，对应于10个类别。

3.2 训练代码

现在，我们已经有了数据集和网络模型，剩下的任务是训练模型，将图像分类。以下是训练代码：

import torch.optim as optim

criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)
for epoch in range(2):  # loop over the dataset multiple times
    running_loss = 0.0
    for i, data in enumerate(trainloader, 0):
        # get the inputs; data is a list of [inputs, labels]
        inputs, labels = data
        # zero the parameter gradients
        optimizer.zero_grad()
        # forward + backward + optimize
        outputs = net(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()
        # print statistics
        running_loss += loss.item()
        if i % 2000 == 1999:    # print every 2000 mini-batches
            print('[%d, %5d] loss: %.3f' %
                    (epoch + 1, i + 1, running_loss / 2000))
            running_loss = 0.0
print('Finished Training')

我们使用SGD优化器，损失函数为交叉熵损失函数。这里我们循环训练2个epochs，每个mini-batch大小为4，共进行了50000的训练集共有50000/4=12500次训练。

4. 测试和预测

模型已经训练完成，我们现在需要对测试集进行测试，并进行预测。以下是测试代码：

correct = 0

total = 0
with torch.no_grad():
    for data in testloader:
        images, labels = data
        outputs = net(images)
        _, predicted = torch.max(outputs.data, 1)
        total += labels.size(0)
        correct += (predicted == labels).sum().item()
print('Accuracy of the network on the 10000 test images: %d %%' % (
    100 * correct / total))

在上面的代码中，我们首先获取测试集图像，然后将其输入网络中进行预测。接下来，我们将预测结果和真实结果进行比较，统计出准确率。

5. 结论

本文详细介绍了如何使用PyTorch实现一个基于CNN的图像分类模型，使用CIFAR-10数据集训练模型，并对测试集进行测试和预测。在测试集上，准确率能够达到70%~80%之间，在一定程度上说明了CNN的强大功能。