当前位置：首页 > news >正文

5.模型训练-毕设篇3

news 2025/7/11 19:30:40

vgg：

base_model_vgg13 = models.vgg13(pretrained=True)
base_model_vgg13.classifier[-1] = nn.Linear(4096, num_classes)
base_model_vgg13.to(device)(b_img_rgb.to(device)).shape

`base_model_vgg13 = models.vgg13(pretrained=True)`

作用：加载预训练的 VGG13 模型

models.vgg13：PyTorch 提供的经典卷积神经网络模型 VGG13。
pretrained=True：表示加载别人已经在 ImageNet 上训练好的参数，这样可以让模型学习得更快。
把它保存到变量 base_model_vgg13 中，后面就可以对它修改、训练、使用。

`base_model_vgg13.classifier[-1] = nn.Linear(4096, num_classes)`

作用：修改最后一层为适合你自己任务的输出层。

VGG 的最后一部分是一个 classifier（全连接层序列），修改了其中最后一层（[-1] 表示最后一层）：

nn.Linear(4096, num_classes)

这表示：

输入是 4096 个神经元的特征；
输出是你任务中的类别数（比如 ASL 就是 29 类）

关于4096是怎么来的

这是 VGG13 的模型结构中固定的输出维度。

vgg:

classifier = nn.Sequential(
    nn.Linear(25088, 4096),  # 第一层全连接
    nn.ReLU(True),
    nn.Dropout(),

    nn.Linear(4096, 4096),   # 第二层全连接
    nn.ReLU(True),
    nn.Dropout(),

    nn.Linear(4096, 1000),   # 第三层（原始输出层）——这里要把它改成 num_classes
)

nn.Linear(4096, 1000) # 输出 ImageNet 的 1000 类这是原来的最后一行

修改为：
nn.Linear(4096, num_classes) # 输出你自己的类别，比如 29 类

4096 是上一个全连接层输出的神经元个数，它已经被前面两层全连接层固定了，不需要你管。

`base_model_vgg13.to(device)(b_img_rgb.to(device)).shape`

这是你执行了 模型的前向传播（推理）：

b_img_rgb.to(device)：把一批图像数据放到 GPU 或 CPU 上。
base_model_vgg13.to(device)：把模型放到 GPU 或 CPU 上。
然后你直接在模型后加 (b_img_rgb.to(device))：就是在跑 forward（前向预测）。

vgg13的网络结构

表示卷积核大小是 3×3（也可能写作 3x3 Conv）

`64`	表示该层输出了 64 个“通道（feature maps）”，即这层的输出深度是 64

VGG13 的名字中 “13” 是什么意思？

表示它有 13 个“有学习参数的层”，即：

11 个卷积层（Conv）

2 个全连接层（FC）

Block	层级结构	输出通道数	输出尺寸（假设输入是 224×224）
输入	Input	3通道 (RGB)	224×224
Conv1	Conv(3→64), Conv(64→64), MaxPool	64通道	112×112
Conv2	Conv(64→128), Conv(128→128), MaxPool	128通道	56×56
Conv3	Conv(128→256), Conv(256→256), MaxPool	256通道	28×28
Conv4	Conv(256→512), Conv(512→512), MaxPool	512通道	14×14
Conv5	Conv(512→512), Conv(512→512), MaxPool	512通道	7×7
Flatten	展平为向量	-	25088 (即 512 × 7 × 7)
FC1	Linear(25088 → 4096)	-	-
FC2	Linear(4096 → 4096)	-	-
FC3	Linear(4096 → 1000)（或自定义的 num_classes）	-	-
Softmax（可选）	转成概率分布	-	-

base_model_vgg13 是加载了预训练权重的 VGG13 卷积神经网络模型，就是训练、预测图像分类任务的“核心大脑”。

① 模型类型：VGG13 是一个中大型 CNN 网络

参数很多（大约 133M），比 ResNet18 大不少；
容易在小数据集上过拟合，所以不能设置太多 epoch；
需要一定轮数才能学好，但不能太多。

② 数据量：你训练的数据是 29,000 张图片

数据不算特别大；
如果没有做 数据增强（比如旋转、裁剪等），模型可能在 20 轮后就过拟合；
如果有增强，可以训练 30~50 轮，但要配合 EarlyStopping 提前停止。

③ 训练表现：是否收敛的关键指标是验证集准确率和 loss 曲线

如果验证集准确率上升 → 可以继续训练；
如果验证准确率不升了、loss 不降了 → 提前停止；
用 early stopping 自动帮你判断。

loss_fn = nn.CrossEntropyLoss()#创建一个交叉熵损失函数（CrossEntropyLoss）
# 专门用来处理“多分类问题”（比如要分 29 个手语类别）
optimizer = torch.optim.SGD(base_model_vgg13.parameters(), lr=1e-3)
# 创建一个优化器，用来更新模型参数，让 loss 更小
# 使用的是“随机梯度下降”（SGD）方法，适合基础训练
# 参数说明：
#   base_model_vgg13.parameters()：告诉优化器你要优化哪些参数（即整个模型的参数）
#   lr=1e-3：学习率（learning rate），意思是每次学习走多大的一步，这里是 0.001

# 自定义 EarlyStopping 类
class EarlyStopping:
    def __init__(self, patience=5, delta=0):
        """
        patience: 可以容忍多少个 epoch 验证集 loss 没有改善
        delta: 认为“改善”的最小变化值（例如改善了0.0001也算）
        """
        self.patience = patience
        self.delta = delta
        self.counter = 0
        self.best_loss = None
        self.early_stop = False

    def __call__(self, val_loss):
        if self.best_loss is None:
            self.best_loss = val_loss
        elif val_loss > self.best_loss - self.delta:
            self.counter += 1
            print(f"验证集 loss 没有改善 ({self.counter}/{self.patience})")
            if self.counter >= self.patience:
                self.early_stop = True
        else:
            self.best_loss = val_loss
            self.counter = 0
        return self.early_stop

# 设置总共训练轮数为 25 轮（epoch）
epochs = 25

# 创建 EarlyStopping 实例：
# 如果验证集 loss 连续 5 轮（patience=5）没有改善超过 delta=0.001，就提前停止训练
early_stopping = EarlyStopping(patience=5, delta=0.001)

# 初始化列表，用来保存每一轮训练和测试的 loss 与 准确率，方便后续画图或分析
train_loss_list = []  # 存每一轮训练集的损失值
train_acc_list = []   # 存每一轮训练集的准确率
test_loss_list = []   # 存每一轮测试集（验证集）的损失值
test_acc_list = []    # 存每一轮测试集的准确率

# Step 2：开始训练循环，总共训练 epochs 轮
for t in range(epochs):
    # 打印当前是第几轮（t 从 0 开始，所以要 +1）
    print(f"Epoch {t+1}\n-------------------------------")

    # 调用 train() 函数，在当前 epoch 对模型进行训练
    train(train_dataloader, base_model_vgg13, loss_fn, optimizer)

    # 用 test() 函数在训练集上评估效果（得到 loss 和 accuracy）
    train_loss, train_correct = test(train_dataloader, base_model_vgg13, loss_fn)

    # 用 test() 函数在测试集（验证集）上评估效果
    test_loss, test_correct = test(test_dataloader, base_model_vgg13, loss_fn)

    # 把每一轮的结果存进列表中，方便后续画图
    train_loss_list.append(train_loss)
    train_acc_list.append(train_correct)
    test_loss_list.append(test_loss)
    test_acc_list.append(test_correct)

    # Step 3：判断是否触发 EarlyStopping（如果 test_loss 没有继续下降，就触发）
    if early_stopping(test_loss):
        print("早停触发，提前结束训练！")
        break  # 终止训练循环

下次改为训练20轮，这个训练时间尤其得长

模块	解释	用处
可视化训练过程	用图表展示 loss / accuracy 的变化	看模型是否收敛、是否过拟合
模型验证集预测	用模型对测试集/验证集做预测	得到预测结果和概率
分类报告（classification report）	输出每一类的 precision、recall、f1-score	了解每类预测效果
混淆矩阵（confusion matrix）	显示每类预测对/错的次数	可视化分类错误在哪些kesuu