PyTorch实现卷积神经网络(CNN)

卷积神经网络(CNN)最经典、最基础的组成方式是:

输入 → 【卷积层 + 激活函数 + 池化层】 × 多次重复 → 分类 / 回归输出

卷积层+池化层是卷积神经网络的核心骨架。

关于卷积层与池化层的原理、过程、参数说明参考文章:PyTorch_conda-CSDN博客中的卷积层与池化层部分。
池化层(也叫下采样层)的本质是对卷积层输出的特征图做 "降维压缩" ,用固定大小的窗口(如 2×2)在特征图上滑动,只保留窗口内最关键的信息(最大值 / 平均值),丢弃冗余细节。之所以在每个卷积层后面加一个池化层,主要原因如下:

  • **降低特征图尺寸,解决 "计算爆炸" 问题:**卷积层的作用是提取特征,但会输出高维度的特征图(比如卷积后是 224×224×64),如果直接把这样的特征图传给下一层卷积 / 全连接层会使计算量会呈指数级增长。
  • **扩大感受野,捕捉更全局的特征:**感受野是指神经网络中某个神经元能 "感知到" 的原始输入图像的区域(感受野越大,神经元能捕捉的全局特征越多)。卷积层的感受野有限(比如 3×3 卷积核的感受野只有 3×3),而池化层能不增加卷积核参数的前提下,扩大后续层的感受野。比如第一层卷积为3X3卷积核,接一层2X2池化层,第二层卷积的感受野就可以扩大到3×3×2=6×6
  • 增强平移不变性,让模型更鲁棒: 平移不变性是指物体在图像中稍微移动一点位置(比如猫的脸右移 1 像素),模型依然能识别出这是猫。卷积层对像素位置很敏感 ------ 哪怕物体只移 1 像素,卷积输出的特征图像素值都会变;而池化层能 "忽略这种微小位移"。比如卷积后特征图的一个 2×2 窗口值为[[5, 3], [2, 4]],最大池化取 5,如果物体平移 1 像素,窗口值变成[[3, 5], [4, 2]],最大池化还是取 5,核心特征(最大值)没丢,模型依然能识别。这是 CNN 能应对 "物体位置不固定" 的关键,也是相比传统图像识别算法的核心优势之一。

在文章PyTorch实现多分类-CSDN博客我们通过如下全连接层实现了识别MINST数据集的训练过程:

但是全连接层的每个神经元强行把全图所有像素连在一起,把相距很远的像素也强行关联。这会使图像丢失空间信息,像素的上下左右、相邻关系、边缘、形状全部消失,只剩一串无关系的数值。使用卷积神经网络可使错误率进一步降低,下面继续结合MINST数据集构建 "两个卷积层+两个池化层+一个全连接层"的神经网络结构进行多分类任务:

完整代码实例

PyTorch实现多分类-CSDN博客唯一不同在于换了神经网络层,即*class Net(torch.nn.Module)*中的神经网络结构不同:

python 复制代码
import torch
from torchvision import transforms
from torchvision import datasets
from torch.utils.data import DataLoader
import torch.nn.functional as F
import torch.optim as optim
 
# prepare dataset
 
batch_size = 64
transform = transforms.Compose([
        transforms.ToTensor(), 
        transforms.Normalize((0.1307,), (0.3081,))
]) 
 
train_dataset = datasets.MNIST(root='../dataset/mnist/',
                               train=True,
                               download=True, 
                               transform=transform)
 
train_loader = DataLoader(train_dataset, 
                          shuffle=True, 
                          batch_size=batch_size)
 
 
test_dataset = datasets.MNIST(root='../dataset/mnist/', 
                              train=False, 
                              download=True, 
                              transform=transform)
 
test_loader = DataLoader(test_dataset, 
                         shuffle=False, 
                         batch_size=batch_size)

 
# design model using class
 
 
class Net(torch.nn.Module):
    def __init__(self):
        super().__init__()
        self.conv1 = torch.nn.Conv2d(1, 10, kernel_size=5)
        self.conv2 = torch.nn.Conv2d(10, 20, kernel_size=5)
        self.pooling = torch.nn.MaxPool2d(2)
        self.fc = torch.nn.Linear(320, 10)
 
 
    def forward(self, x):
        # flatten data from (n,1,28,28) to (n, 784)
        batch_size = x.size(0)
        x = F.relu(self.pooling(self.conv1(x)))
        x = F.relu(self.pooling(self.conv2(x)))
        x = x.view(batch_size, -1) 
        x = self.fc(x)
 
        return x
 
 
model = Net()
 
# construct loss and optimizer
criterion = torch.nn.CrossEntropyLoss()
optimizer = optim.SGD(model.parameters(), lr=0.01, momentum=0.5)
 
# training cycle forward, backward, update
 
 
def train(epoch):
    running_loss = 0.0
    for batch_idx, data in enumerate(train_loader, 0):
        inputs, target = data
        optimizer.zero_grad()
 
        outputs = model(inputs)
        loss = criterion(outputs, target)
        loss.backward()
        optimizer.step()
 
        running_loss += loss.item()
        if batch_idx % 300 == 299:
            print('[%d, %5d] loss: %.3f' % (epoch+1, batch_idx+1, running_loss/300))
            running_loss = 0.0
 
 
def test():
    correct = 0
    total = 0
    with torch.no_grad():
        for data in test_loader:
            images, labels = data
            outputs = model(images)
            _, predicted = torch.max(outputs.data, dim=1)
            total += labels.size(0)
            correct += (predicted == labels).sum().item()
    print('accuracy on test set: %d %% ' % (100*correct/total))
 
 
if __name__ == '__main__':
    for epoch in range(10):
        train(epoch)
        test()

可以将训练过程放到GPU上训练:

  • *device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
    model.to(device):*将模型迁移到GPU
  • *inputs, target = inputs.to(device), target.to(device):*将张量计算也迁移到GPU
python 复制代码
import torch
from torchvision import transforms
from torchvision import datasets
from torch.utils.data import DataLoader
import torch.nn.functional as F
import torch.optim as optim
 
# prepare dataset
 
batch_size = 64
transform = transforms.Compose([
        transforms.ToTensor(), 
        transforms.Normalize((0.1307,), (0.3081,))
]) 
 
train_dataset = datasets.MNIST(root='../dataset/mnist/',
                               train=True,
                               download=True, 
                               transform=transform)
 
train_loader = DataLoader(train_dataset, 
                          shuffle=True, 
                          batch_size=batch_size)
 
 
test_dataset = datasets.MNIST(root='../dataset/mnist/', 
                              train=False, 
                              download=True, 
                              transform=transform)
 
test_loader = DataLoader(test_dataset, 
                         shuffle=False, 
                         batch_size=batch_size)

 
# design model using class
 
 
class Net(torch.nn.Module):
    def __init__(self):
        super().__init__()
        self.conv1 = torch.nn.Conv2d(1, 10, kernel_size=5)
        self.conv2 = torch.nn.Conv2d(10, 20, kernel_size=5)
        self.pooling = torch.nn.MaxPool2d(2)
        self.fc = torch.nn.Linear(320, 10)
 
 
    def forward(self, x):
        # flatten data from (n,1,28,28) to (n, 784)
        
        batch_size = x.size(0)
        x = F.relu(self.pooling(self.conv1(x)))
        x = F.relu(self.pooling(self.conv2(x)))
        x = x.view(batch_size, -1) 
        # print("x.shape",x.shape)
        x = self.fc(x)
 
        return x
 
 
model = Net()
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model.to(device)
 
# construct loss and optimizer
criterion = torch.nn.CrossEntropyLoss()
optimizer = optim.SGD(model.parameters(), lr=0.01, momentum=0.5)
 
# training cycle forward, backward, update
 
 
def train(epoch):
    running_loss = 0.0
    for batch_idx, data in enumerate(train_loader, 0):
        inputs, target = data
        inputs, target = inputs.to(device), target.to(device)
        optimizer.zero_grad()
 
        outputs = model(inputs)
        loss = criterion(outputs, target)
        loss.backward()
        optimizer.step()
 
        running_loss += loss.item()
        if batch_idx % 300 == 299:
            print('[%d, %5d] loss: %.3f' % (epoch+1, batch_idx+1, running_loss/300))
            running_loss = 0.0
 
 
def test():
    correct = 0
    total = 0
    with torch.no_grad():
        for data in test_loader:
            images, labels = data
            images, labels = images.to(device), labels.to(device)
            outputs = model(images)
            _, predicted = torch.max(outputs.data, dim=1)
            total += labels.size(0)
            correct += (predicted == labels).sum().item()
    print('accuracy on test set: %d %% ' % (100*correct/total))
    return correct/total
 
 
if __name__ == '__main__':  
    for epoch in range(10):
        train(epoch)
        test()

运行结果如下所示:

相关推荐
向哆哆1 小时前
高压电线电力巡检六类目标的图像识别数据集分享(适用于目标检测任务)
人工智能·目标检测·计算机视觉
张居邪2 小时前
# RAG + LangGraph 实战:4 个工程踩坑,让 AI 从"能用"到"能上线"
人工智能·开源
qyresearch_2 小时前
移动感应健身:全球市场扩张下的中国机遇与破局之道
大数据·人工智能·区块链
啊阿狸不会拉杆2 小时前
《机器学习导论》第 16 章-贝叶斯估计
人工智能·python·算法·机器学习·ai·参数估计·贝叶斯估计
范桂飓2 小时前
Claude Code 高级特性和应用实践
人工智能
格林威2 小时前
Baumer相机橡胶O型圈直径测量:用于密封件入库检验的 6 个关键技术,附 OpenCV+Halcon 实战代码!
人工智能·opencv·计算机视觉·视觉检测·工业相机·智能相机·堡盟相机
格林威2 小时前
Baumer相机印刷标签二维码可读性评估:优化打码工艺的 7 个实用技巧,附 OpenCV+Halcon 实战代码!
人工智能·opencv·计算机视觉·视觉检测·工业相机·智能相机·堡盟相机
Fairy要carry2 小时前
面试-SFT
人工智能
Alice_whj3 小时前
AI云原生笔记
人工智能·笔记·云原生