当前位置： 首页 > news >正文

深度学习（10）-PyTorch 卷积神经网络

news 2025/10/22 7:55:13

1. 简述

PyTorch 卷积神经网络 (CNN) 是一类专门用于处理具有网格状拓扑结构数据（如图像）的深度学习模型。CNN 是计算机视觉任务（如图像分类、目标检测和分割）的核心技术。
下面这张图展示了一个典型的卷积神经网络（CNN）的结构和工作流程，用于图像识别任务。
在这里插入图片描述
在图中，CNN 的输出层给出了三个类别的概率：Donald（0.2）、Goofy（0.1）和Tweety（0.7），这表明网络认为输入图像最有可能是 Tweety。

以下是各个部分的简要说明：

  • 输入图像（Input Image）：网络接收的原始图像数据。

  • 卷积（Convolution）：使用卷积核（Kernel）在输入图像上滑动，提取特征，生成特征图（Feature Maps）。

  • 池化（Pooling）：通常在卷积层之后，通过最大池化或平均池化减少特征图的尺寸，同时保留重要特征，生成池化特征图（Pooled Feature Maps）。

  • 特征提取（Feature Extraction）：通过多个卷积和池化层的组合，逐步提取图像的高级特征。

  • 展平层（Flatten Layer）：将多维的特征图转换为一维向量，以便输入到全连接层。

  • 全连接层（Fully Connected Layer）：类似于传统的神经网络层，用于将提取的特征映射到输出类别。

  • 分类（Classification）：网络的输出层，根据全连接层的输出进行分类。

  • 概率分布（Probabilistic Distribution）：输出层给出每个类别的概率，表示输入图像属于各个类别的可能性。

2. 卷积神经网络的基本结构

2.1 输入层

接收原始图像数据，图像通常被表示为一个三维数组，其中两个维度代表图像的宽度和高度，第三个维度代表颜色通道（例如，RGB图像有三个通道）。

2.2 卷积层

用卷积核提取局部特征，如边缘、纹理等。
公式：
在这里插入图片描述

  • x：输入图像。
  • k：卷积核（权重矩阵）。
  • b：偏置。

应用一组可学习的滤波器（或卷积核）在输入图像上进行卷积操作，以提取局部特征。每个滤波器在输入图像上滑动，生成一个特征图，表示滤波器在不同位置的激活。
卷积层可以有多个滤波器，每个滤波器生成一个特征图，所有特征图组成一个特征图集合。

2.3 激活函数

通常在卷积层之后应用非线性激活函数，如 ReLU，以引入非线性特性，使网络能够学习更复杂的模式。
ReLU 函数定义为 ：f(x)=max(0,x)，即如果输入小于 0 则输出 0，否则输出输入值。

2.4 池化层

  • 用于降低特征图的空间维度，减少计算量和参数数量，同时保留最重要的特征信息。
  • 最常见的池化操作是最大池化（Max Pooling）和平均池化（Average Pooling）。
  • 最大池化选择区域内的最大值，而平均池化计算区域内的平均值。

2.5 归一化层（可选）

  • 例如，局部响应归一化（LRN）或批归一化。
  • 这些层有助于加速训练过程，提高模型的稳定性。

2.6 全连接层

  • 在 CNN 的末端，将前面层提取的特征图展平（Flatten）成一维向量，然后输入到全连接层。
  • 全连接层的每个神经元都与前一层的所有神经元相连，用于综合特征并进行最终的分类或回归。

2.7 输出层

  • 根据任务的不同，输出层可以有不同的形式。
  • 对于分类任务，通常使用 Softmax 函数将输出转换为概率分布，表示输入属于各个类别的概率。

2.8 损失函数

  • 用于衡量模型预测与真实标签之间的差异。
  • 常见的损失函数包括交叉熵损失（Cross-Entropy Loss）用于多分类任务，均方误差（Mean Squared Error, MSE）用于回归任务。

2.9 优化器

用于根据损失函数的梯度更新网络的权重。常见的优化器包括随机梯度下降（SGD）、Adam、RMSprop等。

2.10 正则化（可选）

  • 包括 Dropout、L1/L2 正则化等技术，用于防止模型过拟合。

这些层可以堆叠形成更深的网络结构，以提高模型的学习能力。CNN 的深度和复杂性可以根据任务的需求进行调整。

3. PyTorch 实现一个 CNN 实例

以下示例展示如何用 PyTorch 构建一个简单的 CNN 模型，用于 MNIST 数据集的数字分类。

主要步骤：

  • 数据加载与预处理：使用 torchvision 加载和预处理 MNIST 数据。
  • 模型构建：定义卷积层、池化层和全连接层。
  • 训练：通过损失函数和优化器进行模型训练。
  • 评估：测试集上计算模型的准确率。
  • 可视化：展示部分测试样本及其预测结果。

3.1 导入必要库

import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim

3.2 数据加载

使用 torchvision 提供的 MNIST 数据集，加载和预处理数据。

transform = transforms.Compose([transforms.ToTensor(),  # 转为张量transforms.Normalize((0.5,), (0.5,))  # 归一化到 [-1, 1]
])# 加载 MNIST 数据集
train_dataset = datasets.MNIST(root='./data', train=True, transform=transform, download=True)
test_dataset = datasets.MNIST(root='./data', train=False, transform=transform, download=True)train_loader = torch.utils.data.DataLoader(dataset=train_dataset, batch_size=64, shuffle=True)
test_loader = torch.utils.data.DataLoader(dataset=test_dataset, batch_size=64, shuffle=False)

3.3 定义 CNN 模型

使用 nn.Module 构建一个 CNN。

class SimpleCNN(nn.Module):def __init__(self):super(SimpleCNN, self).__init__()# 定义卷积层：输入1通道，输出32通道，卷积核大小3x3self.conv1 = nn.Conv2d(1, 32, kernel_size=3, stride=1, padding=1)# 定义卷积层：输入32通道，输出64通道self.conv2 = nn.Conv2d(32, 64, kernel_size=3, stride=1, padding=1)# 定义全连接层self.fc1 = nn.Linear(64 * 7 * 7, 128)  # 输入大小 = 特征图大小 * 通道数self.fc2 = nn.Linear(128, 10)  # 10 个类别def forward(self, x):x = F.relu(self.conv1(x))  # 第一层卷积 + ReLUx = F.max_pool2d(x, 2)     # 最大池化x = F.relu(self.conv2(x))  # 第二层卷积 + ReLUx = F.max_pool2d(x, 2)     # 最大池化x = x.view(-1, 64 * 7 * 7) # 展平操作x = F.relu(self.fc1(x))    # 全连接层 + ReLUx = self.fc2(x)            # 全连接层输出return x# 创建模型实例
model = SimpleCNN()

3.4 定义损失函数与优化器

使用交叉熵损失和随机梯度下降优化器。

criterion = nn.CrossEntropyLoss()  # 多分类交叉熵损失
optimizer = optim.SGD(model.parameters(), lr=0.01, momentum=0.9)  # 学习率和动量

3.5 训练模型

训练模型 5 个 epoch，每个 epoch 后输出训练损失。

num_epochs = 5
model.train()  # 设为训练模式for epoch in range(num_epochs):total_loss = 0for images, labels in train_loader:# 前向传播outputs = model(images)loss = criterion(outputs, labels)# 反向传播optimizer.zero_grad()loss.backward()optimizer.step()total_loss += loss.item()print(f"Epoch [{epoch+1}/{num_epochs}], Loss: {total_loss / len(train_loader):.4f}")

3.6 测试模型

在测试集上评估模型的准确率。

model.eval()  # 设置为评估模式
correct = 0
total = 0with torch.no_grad():  # 评估时不需要计算梯度for images, labels in test_loader:outputs = model(images)_, predicted = torch.max(outputs, 1)  # 预测类别total += labels.size(0)correct += (predicted == labels).sum().item()accuracy = 100 * correct / total
print(f"Test Accuracy: {accuracy:.2f}%")

3.7 完整代码

import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets, transforms# 1. 数据加载与预处理
transform = transforms.Compose([transforms.ToTensor(),  # 转为张量transforms.Normalize((0.5,), (0.5,))  # 归一化到 [-1, 1]
])# 加载 MNIST 数据集
train_dataset = datasets.MNIST(root='./data', train=True, transform=transform, download=True)
test_dataset = datasets.MNIST(root='./data', train=False, transform=transform, download=True)train_loader = torch.utils.data.DataLoader(dataset=train_dataset, batch_size=64, shuffle=True)
test_loader = torch.utils.data.DataLoader(dataset=test_dataset, batch_size=64, shuffle=False)# 2. 定义 CNN 模型
class SimpleCNN(nn.Module):def __init__(self):super(SimpleCNN, self).__init__()# 定义卷积层self.conv1 = nn.Conv2d(1, 32, kernel_size=3, stride=1, padding=1)  # 输入1通道，输出32通道self.conv2 = nn.Conv2d(32, 64, kernel_size=3, stride=1, padding=1)  # 输入32通道，输出64通道# 定义全连接层self.fc1 = nn.Linear(64 * 7 * 7, 128)  # 展平后输入到全连接层self.fc2 = nn.Linear(128, 10)  # 10 个类别def forward(self, x):x = F.relu(self.conv1(x))  # 第一层卷积 + ReLUx = F.max_pool2d(x, 2)     # 最大池化x = F.relu(self.conv2(x))  # 第二层卷积 + ReLUx = F.max_pool2d(x, 2)     # 最大池化x = x.view(-1, 64 * 7 * 7) # 展平x = F.relu(self.fc1(x))    # 全连接层 + ReLUx = self.fc2(x)            # 最后一层输出return x# 创建模型实例
model = SimpleCNN()# 3. 定义损失函数与优化器
criterion = nn.CrossEntropyLoss()  # 多分类交叉熵损失
optimizer = optim.SGD(model.parameters(), lr=0.01, momentum=0.9)# 4. 模型训练
num_epochs = 5
model.train()  # 设置模型为训练模式for epoch in range(num_epochs):total_loss = 0for images, labels in train_loader:outputs = model(images)  # 前向传播loss = criterion(outputs, labels)  # 计算损失optimizer.zero_grad()  # 清空梯度loss.backward()  # 反向传播optimizer.step()  # 更新参数total_loss += loss.item()print(f"Epoch [{epoch+1}/{num_epochs}], Loss: {total_loss / len(train_loader):.4f}")# 5. 模型测试
model.eval()  # 设置模型为评估模式
correct = 0
total = 0with torch.no_grad():  # 关闭梯度计算for images, labels in test_loader:outputs = model(images)_, predicted = torch.max(outputs, 1)total += labels.size(0)correct += (predicted == labels).sum().item()accuracy = 100 * correct / total
print(f"Test Accuracy: {accuracy:.2f}%")

3.8 运行结果说明

1. 输出的训练损失

代码中每个 epoch 会输出一次平均损失，例如：

Epoch [1/5], Loss: 0.2325
Epoch [2/5], Loss: 0.0526
Epoch [3/5], Loss: 0.0366
Epoch [4/5], Loss: 0.0273
Epoch [5/5], Loss: 0.0221

解释：损失逐渐下降表明模型在逐步收敛。

2. 测试集的准确率

代码在测试集上输出最终的分类准确率，例如：

Test Accuracy: 98.96%

解释：模型对 MNIST 测试集的分类准确率为 98.96%，对于简单的 CNN 模型来说是一个不错的结果。

3.9 可视化完整代码

import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets, transforms
import matplotlib.pyplot as plt# 1. 数据加载与预处理
transform = transforms.Compose([transforms.ToTensor(),  # 转为张量transforms.Normalize((0.5,), (0.5,))  # 归一化到 [-1, 1]
])# 加载 MNIST 数据集
train_dataset = datasets.MNIST(root='./data', train=True, transform=transform, download=True)
test_dataset = datasets.MNIST(root='./data', train=False, transform=transform, download=True)train_loader = torch.utils.data.DataLoader(dataset=train_dataset, batch_size=64, shuffle=True)
test_loader = torch.utils.data.DataLoader(dataset=test_dataset, batch_size=64, shuffle=False)# 2. 定义 CNN 模型
class SimpleCNN(nn.Module):def __init__(self):super(SimpleCNN, self).__init__()# 定义卷积层self.conv1 = nn.Conv2d(1, 32, kernel_size=3, stride=1, padding=1)  # 输入1通道，输出32通道self.conv2 = nn.Conv2d(32, 64, kernel_size=3, stride=1, padding=1)  # 输入32通道，输出64通道# 定义全连接层self.fc1 = nn.Linear(64 * 7 * 7, 128)  # 展平后输入到全连接层self.fc2 = nn.Linear(128, 10)  # 10 个类别def forward(self, x):x = F.relu(self.conv1(x))  # 第一层卷积 + ReLUx = F.max_pool2d(x, 2)     # 最大池化x = F.relu(self.conv2(x))  # 第二层卷积 + ReLUx = F.max_pool2d(x, 2)     # 最大池化x = x.view(-1, 64 * 7 * 7) # 展平x = F.relu(self.fc1(x))    # 全连接层 + ReLUx = self.fc2(x)            # 最后一层输出return x# 创建模型实例
model = SimpleCNN()# 3. 定义损失函数与优化器
criterion = nn.CrossEntropyLoss()  # 多分类交叉熵损失
optimizer = optim.SGD(model.parameters(), lr=0.01, momentum=0.9)# 4. 模型训练
num_epochs = 5
model.train()  # 设置模型为训练模式for epoch in range(num_epochs):total_loss = 0for images, labels in train_loader:outputs = model(images)  # 前向传播loss = criterion(outputs, labels)  # 计算损失optimizer.zero_grad()  # 清空梯度loss.backward()  # 反向传播optimizer.step()  # 更新参数total_loss += loss.item()print(f"Epoch [{epoch+1}/{num_epochs}], Loss: {total_loss / len(train_loader):.4f}")# 5. 模型测试
model.eval()  # 设置模型为评估模式
correct = 0
total = 0with torch.no_grad():  # 关闭梯度计算for images, labels in test_loader:outputs = model(images)_, predicted = torch.max(outputs, 1)total += labels.size(0)correct += (predicted == labels).sum().item()accuracy = 100 * correct / total
print(f"Test Accuracy: {accuracy:.2f}%")# 6. 可视化测试结果
dataiter = iter(test_loader)
images, labels = next(dataiter)
outputs = model(images)
_, predictions = torch.max(outputs, 1)fig, axes = plt.subplots(1, 6, figsize=(12, 4))
for i in range(6):axes[i].imshow(images[i][0], cmap='gray')axes[i].set_title(f"Label: {labels[i]}\nPred: {predictions[i]}")axes[i].axis('off')
plt.show()

在这里插入图片描述

在这里插入图片描述

http://www.dtcms.com/a/511221.html

相关文章：

  • 网站没有做实名认证推广员是干什么的
  • 异步的feign请求报错：No thread-bound request found
  • 北京建设公司网站建设重庆有网站公司
  • YUV实战案例：一个网络摄像头的工作流程（速通）
  • 深入解析SCT分散加载文件
  • AIGC-Fooocus部署实践：从本地手动配置到云端一键启用的深度剖析
  • 数据结构——最小（代价）生成树
  • NumPy的hstack函数详细教程
  • 020数据结构之优先队列——算法备赛
  • 华为OD-23届考研-测试面经
  • 阿里云网站建设步骤wordpress防止频繁搜索
  • 西宁网站建设哪家公司好东莞seo网站推广
  • 2025年AI IDE的深度评测与推荐：从单一功能效率转向生态壁垒
  • OSS存储的视频，安卓和PC端浏览器打开正常，苹果端打开不播放，什么原因？
  • Spark的shuffle类型与对比
  • 【 论文精读】VIDM：基于扩散模型的视频生成新范式
  • CentOS 7 安装指定内核版本与切换内核版本
  • Spring MVC 拦截器interceptor
  • 如何在 CentOS、Ubuntu 和 Debian 云服务器上安装 Python 3
  • 《金融电子化》：构建金融韧性运行安全体系：从灾备管理到主动防御新范式​​
  • spark组件-spark core（批处理）
  • 进行网站建设视频教程装修网站cms
  • 解决Kali虚拟机中VMnet1（仅主机模式）网卡无法获取IP地址的问题
  • Linux驱动开发笔记（十一）——阻塞和非阻塞IO
  • Docker----快速入门
  • 深度学习8-卷积神经网络-CNN概述-卷积层-池化层-深度卷积神经网络-案例：服装分类
  • 厦门做外贸网站国内十大咨询公司排名
  • 架构设计过去十年与未来十年
  • Nginx 日志轮转
  • 《Linux运维总结：基于ARM64+X86_64架构CPU使用docker-compose一键离线部署mongodb 7.0.22容器版副本集群》