【深度学习】基于代码一步一步教你深度学习中卷积神经网络(CNN)的原理

梦里梦外; 2024-02-17 12:00 6阅读 0赞

当谈到基于CNN的深度学习例子时，图像分类是最常见的任务之一。CNN（卷积神经网络）在图像处理任务中表现出色，能够自动学习图像的特征表示。以下是一个基于CNN的图像分类示例，并给每一行添加了注释：

import torch 
        import torch.nn as nn 
        import torch.optim as optim 
        import torchvision 
        import torchvision.transforms as transforms 
          
        # 设置随机种子，以便结果可复现 
        torch.manual_seed(42) 
          
        # 加载并预处理数据集 
        transform = transforms.Compose([ 
            transforms.ToTensor(),                             # 将图像转换为张量 
            transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))  # 归一化 
        ]) 
          
        trainset = torchvision.datasets.CIFAR10(root=‘./data’, train=True, download=True, transform=transform) 
        trainloader = torch.utils.data.DataLoader(trainset, batch_size=32, 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=32, shuffle=False, num_workers=2) 
          
        # 定义CNN模型 
        class CNN(nn.Module): 
            def init(self): 
                super(CNN, self).init() 
                self.conv1 = nn.Conv2d(3, 16, kernel_size=3, stride=1, padding=1)  # 输入通道数为3，输出通道数为16，卷积核大小为3，步长为1，填充为1 
                self.relu = nn.ReLU()                                          # ReLU激活函数 
                self.pool = nn.MaxPool2d(kernel_size=2, stride=2)               # 最大池化层，池化核大小为2，步长为2 
                self.conv2 = nn.Conv2d(16, 32, kernel_size=3, stride=1, padding=1)  # 输入通道数为16，输出通道数为32，卷积核大小为3，步长为1，填充为1 
                self.fc1 = nn.Linear(32  8  8, 128)                            # 全连接层，输入大小为3288，输出大小为128 
                self.fc2 = nn.Linear(128, 10)                                    # 全连接层，输入大小为128，输出大小为10（类别数） 
          
            def forward(self, x): 
                x = self.relu(self.conv1(x)) 
                x = self.pool(x) 
                x = self.relu(self.conv2(x)) 
                x = self.pool(x) 
                x = x.view(x.size(0), -1) 
                x = self.relu(self.fc1(x)) 
                x = self.fc2(x) 
                return x 
          
        # 实例化模型和损失函数 
        net = CNN() 
        criterion = nn.CrossEntropyLoss()                          # 交叉熵损失函数 
        optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)  # 随机梯度下降优化器 
          
        # 训练模型 
        for epoch in range(10):  # 进行10个epoch的训练 
            running_loss = 0.0 
            for i, data in enumerate(trainloader, 0): 
                inputs, labels = data 
                optimizer.zero_grad() 
                
                # 前向传播、反向传播、优化 
                outputs = net(inputs) 
                loss = criterion(outputs, labels) 
                loss.backward() 
                optimizer.step() 
                
                running_loss += loss.item() 
                if i % 2000  1999: 
                    print(f‘[{epoch + 1}, {i + 1}] loss: {running_loss / 2000:.3f}’) 
                    running_loss = 0.0 
          
        print(‘Finished training’) 
          
        # 在测试集上评估模型 
        correct = 0 
        total = 0 
        with torch.no_grad(): 
            for data in testloader: 
                images, labels = data 
                outputs = net(images) 
                _, predicted = torch.max(outputs.data, 1)  # 获取每个样本预测的类别索引 
                total += labels.size(0) 
                correct += (predicted  labels).sum().item() 
          
        print(f‘Accuracy on the test set: {100 * correct / total:.2f}%’)

在这个例子中，我们使用了PyTorch来构建和训练一个简单的CNN模型进行CIFAR-10图像分类任务。

首先，我们使用`torchvision`模块加载CIFAR-10数据集，并进行了预处理（将图像转换为张量并进行归一化）。

然后，我们定义了一个简单的CNN模型。该模型由两个卷积层（带有ReLU激活函数和池化操作）和两个全连接层组成。

接下来，我们实例化了损失函数（交叉熵损失）和优化器（随机梯度下降）。

然后，我们使用训练集进行模型训练。在每个epoch中，我们通过前向传播计算输出、计算损失、反向传播和优化来更新模型的参数。

最后，我们在测试集上评估训练好的模型，并计算分类准确率。

这个基于CNN的图像分类例子展示了如何使用深度学习来解决实际问题。通过构建一个CNN模型并对其进行训练，我们能够对图像进行分类，并获得模型在测试集上的准确率评估。

下面是代码每部分分段介绍。

首先，我们导入必要的库和模块，包括PyTorch、torchvision和torchvision.transforms。然后，我们设置了随机种子，以确保结果的可重现性。

接下来，我们定义了一个数据预处理的管道`transform`。在这个例子中，我们将图像转换为张量，并进行归一化处理。

然后，我们使用`torchvision.datasets.CIFAR10`加载CIFAR-10数据集，通过设置`root`指定数据集的存储路径，`train=True`表示加载训练集，`download=True`表示如果数据集不存在，则下载数据集。我们还传入了之前定义的数据预处理管道`transform`。

通过`torch.utils.data.DataLoader`，我们创建了训练集和测试集的数据加载器。`batch_size`参数指定每个批次的样本数量，`shuffle=True`表示在每个epoch中打乱数据，`num_workers`表示用于数据加载的线程数。

# 定义CNN模型 
        class CNN(nn.Module): 
            def init(self): 
                super(CNN, self).init() 
                self.conv1 = nn.Conv2d(3, 16, kernel_size=3, stride=1, padding=1)  # 输入通道数为3，输出通道数为16，卷积核大小为3，步长为1，填充为1 
                self.relu = nn.ReLU()                                          # ReLU激活函数 
                self.pool = nn.MaxPool2d(kernel_size=2, stride=2)               # 最大池化层，池化核大小为2，步长为2 
                self.conv2 = nn.Conv2d(16, 32, kernel_size=3, stride=1, padding=1)  # 输入通道数为16，输出通道数为32，卷积核大小为3，步长为1，填充为1 
                self.fc1 = nn.Linear(32  8  8, 128)                            # 全连接层，输入大小为3288，输出大小为128 
                self.fc2 = nn.Linear(128, 10)                                    # 全连接层，输入大小为128，输出大小为10（类别数） 
          
            def forward(self, x): 
                x = self.relu(self.conv1(x)) 
                x = self.pool(x) 
                x = self.relu(self.conv2(x)) 
                x = self.pool(x) 
                x = x.view(x.size(0), -1) 
                x = self.relu(self.fc1(x)) 
                x = self.fc2(x) 
                return x

我们定义了一个简单的CNN模型。这个CNN模型包含了两个卷积层（`conv1`和`conv2`），每个卷积层后面都跟着一个ReLU激活函数和一个最大池化层（`pool`）。最后，我们有两个全连接层（`fc1`和`fc2`）。

在`init`方法中，我们定义了模型的各个层次和参数。每个卷积层的参数包括输入通道数、输出通道数、卷积核大小、步长和填充。每个全连接层的参数包括输入大小和输出大小。

在`forward`方法中，我们定义了模型的前向传播过程。我们使用ReLU激活函数来引入非线性性，使用最大池化层来降低特征图的尺寸。通过`view`方法，我们将特征图展平成一维向量，以便传递给全连接层。最后一层是一个全连接层，输出的大小为类别数（在这个例子中为10）。

# 实例化模型和损失函数 
        net = CNN() 
        criterion = nn.CrossEntropyLoss()                          # 交叉熵损失函数 
        optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)  # 随机梯度下降优化器

我们实例化了之前定义的CNN模型，并定义了损失函数和优化器。在这个例子中，我们使用交叉熵损失函数和随机梯度下降（SGD）优化器。

# 训练模型 
        for epoch in range(10):  # 进行10个epoch的训练 
            running_loss = 0.0 
            for i, data in enumerate(trainloader, 0): 
                inputs, labels = data 
                optimizer.zero_grad() 
                
                # 前向传播、反向传播、优化 
                outputs = net(inputs) 
                loss = criterion(outputs, labels) 
                loss.backward() 
                optimizer.step() 
                
                running_loss += loss.item() 
                if i % 2000  1999: 
                    print(f‘[{epoch + 1}, {i + 1}] loss: {running_loss / 2000:.3f}’) 
                    running_loss = 0.0 
          
        print(‘Finished training’)

在训练阶段，我们使用训练集进行模型的训练。我们遍历数据加载器中的每个批次，将输入数据和标签加载到设备上。然后，我们将梯度缓存清零（通过`optimizer.zero_grad()`），执行前向传播、反向传播和优化步骤。损失函数用于计算输出和标签之间的损失，并通过反向传播计算梯度。优化器根据梯度更新模型的参数。我们还计算并打印出每个epoch的平均损失。

# 在测试集上评估模型 
        correct = 0 
        total = 0 
        with torch.no_grad(): 
            for data in testloader: 
                images, labels = data 
                outputs = net(images) 
                _, predicted = torch.max(outputs.data, 1)  # 获取每个样本预测的类别索引 
                total += labels.size(0) 
                correct += (predicted  labels).sum().item() 
          
        print(f‘Accuracy on the test set: {100 * correct / total:.2f}%’)

在测试阶段，我们使用测试集对训练好的模型进行评估。对于每个样本，我们计算模型的输出并找到最高分数对应的类别索引。然后，我们将预测结果与真实标签进行比较，计算分类正确的样本数。最后，我们计算并打印出模型在测试集上的准确率。