在深度学习入门实践中，CIFAR-10 数据集分类是一个经典案例。本文将详细介绍如何使用 PyTorch 构建一个卷积神经网络 (CNN) 来完成 CIFAR-10 图像分类任务，涵盖数据加载、模型构建、训练过程和结果评估的完整流程。
项目概述
CIFAR-10 是一个包含 10 个类别的彩色图像数据集，每个类别有 6000 张 32×32 像素的图像，共 60000 张图像，分为 50000 张训练集和 10000 张测试集。10 个类别分别是：飞机、汽车、鸟类、猫、鹿、狗、青蛙、马、船和卡车。
本项目将实现一个简单的卷积神经网络，使用 PyTorch 框架完成从数据加载到模型评估的全流程，并达到不错的分类效果。
一、数据加载与预处理
首先需要加载 CIFAR-10 数据集并进行必要的预处理：
import torch
import torchvision
import torchvision.transforms as transforms
# 数据预处理
transform = transforms.Compose([
transforms.ToTensor(), # 将图像转换为Tensor
transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)) # 归一化到[-1, 1]范围
])
# 加载训练集
trainset = torchvision.datasets.CIFAR10(
root='C:\\Users\\Administrator\\Desktop\\Untitled Folder\\cifar-10-batches-py',
train=True,
download=False, # 已手动放置数据集，无需下载
transform=transform
)
trainloader = torch.utils.data.DataLoader(
trainset,
batch_size=4, # 批次大小为4
shuffle=True, # 打乱数据顺序
num_workers=0 # Windows环境建议设为0，避免多进程加载报错
)
# 加载测试集
testset = torchvision.datasets.CIFAR10(
root='C:\\Users\\Administrator\\Desktop\\Untitled Folder\\cifar-10-batches-py',
train=False,
download=False,
transform=transform
)
testloader = torch.utils.data.DataLoader(
testset,
batch_size=4,
shuffle=False, # 测试集不需要打乱
num_workers=0
)
# CIFAR10类别名称
classes = ('plane', 'car', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck')核心说明：
transforms.Compose用于组合多个预处理操作ToTensor()将 PIL 图像转换为 PyTorch 张量，并将像素值从 [0,255] 缩放到 [0,1]Normalize()进行归一化，使数据均值为 0，标准差为 1，有助于模型收敛DataLoader用于批量加载数据，并支持多进程加速（Windows 下建议关闭）shuffle=True确保训练时每个 epoch 的数据顺序都不同，有助于模型泛化
二、数据可视化
加载数据后，我们可以编写一个函数来可视化数据，了解我们要处理的图像：
def show_images(tensor_images, labels, class_names):
"""显示批量图像并打印对应标签"""
# 反归一化（还原图像亮度）
tensor_images = tensor_images / 2 + 0.5
# 转换为PIL图像网格
img_grid = torchvision.utils.make_grid(tensor_images)
img = torchvision.transforms.ToPILImage()(img_grid)
# 显示图像（调用系统默认图像查看器）
img.show()
# 打印对应标签
print("图像标签：", ' '.join(f"{class_names[labels[j]]:5s}" for j in range(len(labels))))
# 测试：加载并显示一批训练数据
dataiter = iter(trainloader)
images, labels = next(dataiter) # 获取一批数据（4张图像）
# 显示图像和标签
show_images(images, labels, classes)核心说明：
- 由于之前对图像进行了归一化，需要通过
tensor_images / 2 + 0.5反归一化才能正确显示 torchvision.utils.make_grid()可以将多张图像组合成一个网格图像ToPILImage()将张量转换回 PIL 图像格式以便显示
三、构建卷积神经网络模型
接下来我们构建一个简单的卷积神经网络：
import torch.nn as nn
import torch.nn.functional as F
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
class CNNNet(nn.Module):
def __init__(self):
super(CNNNet, self).__init__()
# 第一个卷积层：3输入通道，16输出通道，5x5卷积核
self.conv1 = nn.Conv2d(in_channels=3, out_channels=16, kernel_size=5, stride=1)
# 第一个池化层：2x2池化核，步长为2
self.pool1 = nn.MaxPool2d(kernel_size=2, stride=2)
# 第二个卷积层：16输入通道，36输出通道，3x3卷积核
self.conv2 = nn.Conv2d(in_channels=16, out_channels=36, kernel_size=3, stride=1)
# 第二个池化层：2x2池化核，步长为2
self.pool2 = nn.MaxPool2d(kernel_size=2, stride=2)
# 第一个全连接层
self.fc1 = nn.Linear(1296, 128)
# 第二个全连接层（输出层，10个类别）
self.fc2 = nn.Linear(128, 10)
def forward(self, x):
# 卷积->激活->池化
x = self.pool1(F.relu(self.conv1(x)))
x = self.pool2(F.relu(self.conv2(x)))
# 展平特征图
x = x.view(-1, 36 * 6 * 6)
# 全连接层->激活
x = F.relu(self.fc1(x))
# 输出层
x = self.fc2(x)
return x
# 初始化模型并移动到可用设备（GPU或CPU）
net = CNNNet()
net = net.to(device)
# 打印模型总参数数量
print("net have {} parameters in total".format(sum(x.numel() for x in net.parameters())))核心说明：
- 模型采用经典的卷积 - 池化 - 全连接结构
Conv2d层负责提取图像特征，通过卷积核捕获局部特征MaxPool2d层进行下采样，减少特征图尺寸，同时保留重要特征forward方法定义了数据在网络中的流动路径x.view(-1, 36 * 6 * 6)将二维特征图展平为一维向量，以便输入全连接层- 代码会自动检测并使用 GPU（如果可用），否则使用 CPU
我们还可以通过以下代码获取网络的特征提取部分（前 4 层）：
# 获取网络的特征提取部分（卷积层和池化层）
feature_extractor = nn.Sequential(*list(net.children())[:4])四、定义损失函数和优化器
训练神经网络需要定义损失函数和优化器：
import torch.optim as optim
# 学习率
LR = 0.001
# 损失函数：交叉熵损失，适用于分类任务
criterion = nn.CrossEntropyLoss()
# 优化器：SGD（随机梯度下降）
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)
# 也可以使用Adam优化器，通常收敛更快
# optimizer = optim.Adam(net.parameters(), lr=LR)
# 打印网络结构
print(net)核心说明：
- 交叉熵损失 (
CrossEntropyLoss) 是分类任务的常用损失函数 - SGD 优化器带有动量 (
momentum=0.9) 可以加速收敛并减少震荡 - Adam 优化器通常收敛更快，但在某些任务上 SGD 可能泛化更好
- 学习率 (
lr) 是重要的超参数，过大会导致不收敛，过小会导致收敛太慢
五、训练模型
模型和数据准备就绪后，就可以开始训练了：
for epoch in range(10): # 迭代10个epoch
running_loss = 0.0
for i, data in enumerate(trainloader, 0):
# 获取训练数据并移动到设备
inputs, labels = data
inputs, labels = inputs.to(device), labels.to(device)
# 权重参数梯度清零
optimizer.zero_grad()
# 正向传播、计算损失、反向传播、参数更新
outputs = net(inputs)
loss = criterion(outputs, labels)
loss.backward()
optimizer.step()
# 统计并显示损失值
running_loss += loss.item()
if i % 2000 == 1999: # 每2000个mini-batch打印一次
print('[%d, %5d] loss: %.3f' % (epoch + 1, i + 1, running_loss / 2000))
running_loss = 0.0
print('Finished Training')核心说明：
- 训练过程由多个 epoch 组成，每个 epoch 遍历整个训练集一次
- 每个 epoch 又分为多个 mini-batch，按批次处理数据
optimizer.zero_grad()清除上一次迭代的梯度loss.backward()计算梯度（反向传播）optimizer.step()根据梯度更新参数- 定期打印损失值可以监控训练进度，损失总体应该呈下降趋势
六、模型测试与评估
训练完成后，我们需要测试模型的性能：
# 使用训练好的模型进行预测
images, labels = images.to(device), labels.to(device)
outputs = net(images)
_, predicted = torch.max(outputs, 1)
print('Predicted: ', ' '.join('%5s' % classes[predicted[j]] for j in range(4)))我们还可以批量查看测试集的预测结果：
# 加载测试集并显示预测结果
dataiter = iter(testloader)
for i in range(100): # 控制显示的批次数
try:
images, labels = next(dataiter)
images, labels = images.to(device), labels.to(device)
print(f"第{i+1}批图像：")
show_pil_image(images.cpu()) # 转回CPU才能显示
# 真实标签
print('GroundTruth: ', ' '.join(f'{classes[labels[j]]:5s}' for j in range(4)))
# 预测结果
outputs = net(images)
_, predicted = torch.max(outputs, 1)
print('Predicted: ', ' '.join(f'{classes[predicted[j]]:5s}' for j in range(4)))
print('-'*50) # 分隔线
except StopIteration:
break # 数据迭代完则停止核心说明：
torch.max(outputs, 1)返回每个样本的最大预测值和对应的类别索引- 预测时需要将数据移动到与模型相同的设备（GPU 或 CPU）
- 显示图像时需要将张量转回 CPU
- 通过对比
GroundTruth（真实标签）和Predicted（预测结果）可以直观了解模型性能
七、总结与改进方向
本项目实现了一个简单的 CNN 模型用于 CIFAR-10 分类，通过 10 个 epoch 的训练，通常可以达到 60%-70% 的准确率。这个结果对于基础模型来说已经不错，但还有很大的提升空间：
- 增加网络深度和宽度：可以尝试使用更深的网络结构，如 VGG、ResNet 等
- 数据增强：增加更多的数据增强手段，如随机裁剪、旋转、翻转等，提高模型泛化能力
- 调整超参数：尝试不同的学习率、批次大小、优化器等
- 正则化：添加 Dropout 层或 L2 正则化，减少过拟合
- 学习率调度：使用学习率衰减策略，使训练更稳定
通过这个项目，我们掌握了使用 PyTorch 进行图像分类的完整流程，包括数据加载与预处理、模型构建、训练过程和结果评估。这些技能可以迁移到其他图像分类任务中，是深度学习入门的重要实践。