文章目录
-
- [Day 44 · 简单 CNN 实战](#Day 44 · 简单 CNN 实战)
Day 44 · 简单 CNN 实战
用一次完整的深度学习流程来体验从 MLP 迈向 CNN：数据增强 → 卷积建模 → 训练调度 → 结果分析。
今日目标
- 回顾 MLP 的局限，明确为何要引入卷积结构
- 掌握一套可复用的图像数据增强配置
- 手写一个 3 个卷积块 + 分类头的基础 CNN，并梳理关键超参数
- 通过可视化观察学习率调度、损失与准确率的演化
0. 回顾与动机
MLP 会将 3 × 32 × 32 = 3072 3\times32\times32=3072 3×32×32=3072 个输入映射到 0 个像素完全展平，导致局部空间关系被破坏，只能依赖权重自行"猜测"边缘与纹理信息。卷积层通过局部感受野、权值共享与池化压缩，能够自动提取从低级到高级的多层特征，因此在同等参数量下通常能获得更高的准确率。
如果不清楚什么是卷积神经网络，可以学习参考：https://docs.qq.com/doc/DTFNucmRzc3RlRk5k
1. 数据准备与增强
CIFAR-10 官方给出了每个通道的均值 (0.4914, 0.4822, 0.4465) 和标准差 (0.2023, 0.1994, 0.2010)，直接用于 Normalize。训练集添加随机裁剪/翻转/颜色抖动/旋转来模拟真实拍摄噪声，测试集只做张量化 + 标准化以保持分布一致。
小技巧：增强操作不会改变 DataLoader 的 batch 数量，而是对样本在线扰动，让每个 epoch 都看到"新"图像。
python
import torch
import torch.nn as nn
import torch.optim as optim
from torchvision import datasets, transforms
from torch.utils.data import DataLoader
import matplotlib.pyplot as plt
import numpy as np
# Matplotlib 的中文显示与负号配置
plt.rcParams["font.family"] = ["SimHei"]
plt.rcParams['axes.unicode_minus'] = False
# 检查可用设备
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
print(f"使用设备: {device}")
# ------ 数据增强 ------
train_transform = transforms.Compose([
transforms.RandomCrop(32, padding=4), # 先填充再裁剪，模拟平移
transforms.RandomHorizontalFlip(), # 左右翻转提升鲁棒性
transforms.ColorJitter( # 控制亮度/对比度/饱和度/色调
brightness=0.2,
contrast=0.2,
saturation=0.2,
hue=0.1
),
transforms.RandomRotation(15), # 轻微旋转匹配拍摄角度变化
transforms.ToTensor(),
transforms.Normalize((0.4914, 0.4822, 0.4465), (0.2023, 0.1994, 0.2010))
])
# 测试集仅做确定性处理
test_transform = transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.4914, 0.4822, 0.4465), (0.2023, 0.1994, 0.2010))
])
# ------ 数据集与加载器 ------
train_dataset = datasets.CIFAR10(root='./data', train=True, download=True, transform=train_transform)
test_dataset = datasets.CIFAR10(root='./data', train=False, download=False, transform=test_transform)
batch_size = 64
train_loader = DataLoader(train_dataset, batch_size=batch_size, shuffle=True)
test_loader = DataLoader(test_dataset, batch_size=batch_size, shuffle=False)使用设备: cuda2. 模型设计路线
- 卷积块 ：
Conv2d → BatchNorm → ReLU → MaxPool提取多尺度特征并逐步减小空间维度。 - 分类头：将卷积输出展平成向量，接 1~2 层全连接 + Dropout，输出 10 维 logits。
- 正则化：BatchNorm 稳定分布、Dropout 降低 co-adaptation。
Batch Normalization 的作用
- 以 batch 为单位对每个通道做标准化，缓解"内部协变量偏移"；
- 学习
gamma与beta进行再缩放，允许网络恢复到任意分布； - 由于分布稳定，可使用更大学习率，加速收敛并起到轻微正则化效果。
特征图尺寸推导
假设输入尺寸为 (32\times32)：
- 第 1 个卷积块：保持尺寸，池化后得到
32×16×16； - 第 2 个卷积块：池化后得到
64×8×8； - 第 3 个卷积块：池化后得到
128×4×4，展平即2048维向量。
这些中间输出就是"特征图"，可借助 Grad-CAM 等方法做可视化解释。
python
class CNN(nn.Module):
def __init__(self):
super().__init__()
# 第 1 段：输入 3 通道 -> 32 通道，保持空间尺寸，池化对 2
self.conv_block1 = nn.Sequential(
nn.Conv2d(3, 32, kernel_size=3, padding=1),
nn.BatchNorm2d(32),
nn.ReLU(),
nn.MaxPool2d(2) # 32x32 -> 16x16
)
# 第 2 段：32 -> 64 通道，继续减半空间尺寸
self.conv_block2 = nn.Sequential(
nn.Conv2d(32, 64, kernel_size=3, padding=1),
nn.BatchNorm2d(64),
nn.ReLU(),
nn.MaxPool2d(2) # 16x16 -> 8x8
)
# 第 3 段：64 -> 128 通道，再次减半
self.conv_block3 = nn.Sequential(
nn.Conv2d(64, 128, kernel_size=3, padding=1),
nn.BatchNorm2d(128),
nn.ReLU(),
nn.MaxPool2d(2) # 8x8 -> 4x4
)
# 分类头：2048 -> 512 -> 10
self.classifier = nn.Sequential(
nn.Linear(128 * 4 * 4, 512),
nn.ReLU(),
nn.Dropout(0.5),
nn.Linear(512, 10)
)
def forward(self, x):
x = self.conv_block1(x)
x = self.conv_block2(x)
x = self.conv_block3(x)
x = x.view(x.size(0), -1) # 展平成 (batch, 2048)
return self.classifier(x)
model = CNN().to(device)3. 损失函数、优化器与学习率调度
- 损失函数 ：
CrossEntropyLoss直接接收 logits 和标签。 - 优化器：Adam 适合快速验证，配合适度权重衰减稳定训练。
- 调度器 ：
ReduceLROnPlateau在验证指标停滞时自动降低学习率，比固定周期衰减更智能。
python
criterion = nn.CrossEntropyLoss()
optimizer = optim.Adam(model.parameters(), lr=1e-3, weight_decay=1e-4)
scheduler = optim.lr_scheduler.ReduceLROnPlateau(
optimizer,
mode='min',
patience=3,
factor=0.5,
verbose=True
)/home/ubuntu24/anaconda3/envs/torch-gpu/lib/python3.13/site-packages/torch/optim/lr_scheduler.py:62: UserWarning: The verbose parameter is deprecated. Please use get_last_lr() to access the learning rate.
warnings.warn(4. 训练与可视化流程
训练函数需要做几件事：
- 记录每个 batch 的损失，以观察局部波动情况；
- 每个 epoch 统计训练/测试损失与准确率，供调度器和图表使用；
- 训练结束后绘制迭代级别与 epoch 级别的曲线，帮助定位过拟合或欠拟合。
python
def plot_iter_losses(losses, indices):
plt.figure(figsize=(10, 4))
plt.plot(indices, losses, label='Iteration Loss')
plt.xlabel('Iteration (batch index)')
plt.ylabel('Loss')
plt.title('Batch 级别的损失波动')
plt.grid(True)
plt.tight_layout()
plt.legend()
plt.show()
def plot_epoch_metrics(train_acc, test_acc, train_loss, test_loss):
epochs = range(1, len(train_acc) + 1)
plt.figure(figsize=(12, 4))
plt.subplot(1, 2, 1)
plt.plot(epochs, train_acc, label='Train Acc')
plt.plot(epochs, test_acc, label='Test Acc')
plt.xlabel('Epoch')
plt.ylabel('Accuracy (%)')
plt.title('训练 / 测试准确率')
plt.grid(True)
plt.legend()
plt.subplot(1, 2, 2)
plt.plot(epochs, train_loss, label='Train Loss')
plt.plot(epochs, test_loss, label='Test Loss')
plt.xlabel('Epoch')
plt.ylabel('Loss')
plt.title('训练 / 测试损失')
plt.grid(True)
plt.legend()
plt.tight_layout()
plt.show()
def train(model, train_loader, test_loader, criterion, optimizer, scheduler, device, epochs):
model.train()
iter_losses, iter_indices = [], []
train_acc_history, test_acc_history = [], []
train_loss_history, test_loss_history = [], []
for epoch in range(epochs):
running_loss, correct, total = 0.0, 0, 0
for batch_idx, (data, target) in enumerate(train_loader):
data, target = data.to(device), target.to(device)
optimizer.zero_grad()
logits = model(data)
loss = criterion(logits, target)
loss.backward()
optimizer.step()
iter_losses.append(loss.item())
iter_indices.append(epoch * len(train_loader) + batch_idx + 1)
running_loss += loss.item()
preds = logits.argmax(dim=1)
total += target.size(0)
correct += preds.eq(target).sum().item()
if (batch_idx + 1) % 100 == 0:
avg_loss = running_loss / (batch_idx + 1)
print(
f"Epoch {epoch+1}/{epochs} | Batch {batch_idx+1}/{len(train_loader)} | Loss: {loss.item():.4f} | AvgLoss: {avg_loss:.4f}"
)
epoch_train_loss = running_loss / len(train_loader)
epoch_train_acc = 100.0 * correct / total
train_loss_history.append(epoch_train_loss)
train_acc_history.append(epoch_train_acc)
model.eval()
test_loss = 0.0
correct_test, total_test = 0, 0
with torch.no_grad():
for data, target in test_loader:
data, target = data.to(device), target.to(device)
logits = model(data)
loss = criterion(logits, target)
test_loss += loss.item()
preds = logits.argmax(dim=1)
total_test += target.size(0)
correct_test += preds.eq(target).sum().item()
epoch_test_loss = test_loss / len(test_loader)
epoch_test_acc = 100.0 * correct_test / total_test
test_loss_history.append(epoch_test_loss)
test_acc_history.append(epoch_test_acc)
scheduler.step(epoch_test_loss)
print(
f"Epoch {epoch+1}/{epochs} | Train Acc: {epoch_train_acc:.2f}% | Test Acc: {epoch_test_acc:.2f}% | LR: {optimizer.param_groups[0]['lr']:.5f}"
)
model.train()
plot_iter_losses(iter_losses, iter_indices)
plot_epoch_metrics(train_acc_history, test_acc_history, train_loss_history, test_loss_history)
return test_acc_history[-1]5. 启动训练
默认跑 20 个 epoch 就能看到 70%+ 的测试准确率，如需更高精度，可：
- 增加卷积层深度或使用更大的特征维度；
- 加入
CosineAnnealingLR、Mixup等更强的数据/调度策略； - 使用
AutoAugment、CutMix等进阶增强方式。
python
epochs = 20
print('开始训练 CNN ...')
final_acc = train(model, train_loader, test_loader, criterion, optimizer, scheduler, device, epochs)
print(f'训练结束，最终测试准确率: {final_acc:.2f}%')开始训练 CNN ...
Epoch 1/20 | Batch 100/782 | Loss: 1.9105 | AvgLoss: 2.0645
Epoch 1/20 | Batch 200/782 | Loss: 1.7723 | AvgLoss: 1.9431
Epoch 1/20 | Batch 300/782 | Loss: 1.4931 | AvgLoss: 1.8741
Epoch 1/20 | Batch 400/782 | Loss: 1.6812 | AvgLoss: 1.8228
Epoch 1/20 | Batch 500/782 | Loss: 1.7031 | AvgLoss: 1.7801
Epoch 1/20 | Batch 600/782 | Loss: 1.5635 | AvgLoss: 1.7461
Epoch 1/20 | Batch 700/782 | Loss: 1.5986 | AvgLoss: 1.7165
Epoch 1/20 | Train Acc: 37.31% | Test Acc: 50.18% | LR: 0.00100
...
Epoch 20/20 | Train Acc: 74.02% | Test Acc: 79.80% | LR: 0.00100
训练结束，最终测试准确率: 79.80%6. MLP vs CNN 快速对比
| 模型 | 参数规模 (示例) | 特征提取方式 | 计算效率 | 典型准确率 |
|---|---|---|---|---|
| MLP (3072→512→256→10) | ≈3.7M | 全连接、打平输入、无空间感知 | 需遍历全部权重，难以复用局部模式 | 50%~55% |
| CNN (3×3 卷积×3 + FC) | ≈0.1M | 局部卷积 + 池化 + 权值共享 | 以卷积核滑动复用计算，GPU 友好 | 70%~80% |
不同模型的参数量仅为估算，实际取决于具体层数、通道数和分类头设计。