本文参加新星计划人工智能(Pytorch)赛道：https://bbs.csdn.net/topics/613989052

---

---

使用torchvision库的datasets类加载常用的数据集或自定义数据集

图像识别是计算机视觉中的一个基础任务，它的目标是让计算机能够识别图像中的物体、场景或者概念，并将它们分配到预定义的类别中。例如，给定一张猫的图片，图像识别系统应该能够输出“猫”这个类别。

为了训练和评估图像识别系统，我们需要有大量的带有标注的图像数据集。常用的图像分类数据集有：

• ImageNet：一个包含超过1400万张图片和2万多个类别的大型数据库，是目前最流行和最具挑战性的图像分类基准之一。
• CIFAR-10/CIFAR-100：一个包含6万张32×32大小的彩色图片和10或100个类别的小型数据库，适合入门级和快速实验。
• MNIST：一个包含7万张28×28大小的灰度手写数字图片和10个类别的经典数据库，是深度学习中最常用的测试集之一。
• Fashion-MNIST：一个包含7万张28×28大小的灰度服装图片和10个类别的数据库，是MNIST数据库在时尚领域上更加复杂和现代化版本。

使用torchvision库可以方便地加载这些常用数据集或者自定义数据集。torchvision.datasets提供了一些加载数据集或者下载数据集到本地缓存文件夹（默认为./data）并返回Dataset对象（torch.utils.data.Dataset） 的函数。Dataset对象可以存储样本及其对应标签，并提供索引方式（dataset[i]）来获取第i个样本。例如，要加载CIFAR-10训练集并进行随机打乱，可以使用以下代码：

import torchvision
import torchvision.transforms as transforms

transform = transforms.Compose([transforms.ToTensor()]) # 定义转换函数，将PIL.Image转换为torch.Tensor
trainset = torchvision.datasets.CIFAR10(root='./data', train=True, download=True, transform=transform) # 加载CIFAR-10训练集
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4, shuffle=True) # 定义DataLoader对象，用于批量加载数据

使用torchvision库进行数据增强和变换，自定义自己的图像分类数据集并使用torchvision库加载它们

• 数据增强和变换：为了提高模型的泛化能力和数据利用率，我们通常会对图像数据进行一些随机的变换，例如裁剪、旋转、翻转、缩放、亮度调整等。这些变换可以在一定程度上模拟真实场景中的图像变化，增加模型对不同视角和光照条件下的物体识别能力。torchvision.transforms提供了一些常用的图像变换函数，可以组合成一个transform对象，并传入datasets类中作为参数。例如，要对CIFAR-10训练集进行随机水平翻转和随机裁剪，并将图像归一化到[-1, 1]范围内，可以使用以下代码：

import torchvision
import torchvision.transforms as transforms

transform = transforms.Compose([
    transforms.RandomHorizontalFlip(), # 随机水平翻转
    transforms.RandomCrop(32, padding=4), # 随机裁剪到32×32大小，并在边缘填充4个像素
    transforms.ToTensor(), # 将PIL.Image转换为torch.Tensor
    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)) # 将RGB三个通道的值归一化到[-1, 1]范围内
])
trainset = torchvision.datasets.CIFAR10(root='./data', train=True, download=True, transform=transform) # 加载CIFAR-10训练集，并应用上述变换
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4, shuffle=True) # 定义DataLoader对象，用于批量加载数据

• 自定义图像分类数据集：如果我们有自己的图像分类数据集，我们可以通过继承torch.utils.data.Dataset类来自定义一个Dataset对象，并实现__len__和__getitem__两个方法。__len__方法返回数据集中样本的数量，__getitem__方法根据给定的索引返回一个样本及其标签。例如，假设我们有一个文件夹结构如下：

my_dataset/
├── class_0/
│   ├── image_000.jpg
│   ├── image_001.jpg
│   └── ...
├── class_1/
│   ├── image_000.jpg
│   ├── image_001.jpg
│   └── ...
└── ...

其中每个子文件夹代表一个类别，每个子文件夹中包含该类别对应的图像文件。我们可以使用以下代码来自定义一个Dataset对象，并加载这个数据集：

import torch.utils.data as data
from PIL import Image
import os

class MyDataset(data.Dataset):
    def __init__(self, root_dir, transform=None):
        self.root_dir = root_dir # 根目录路径
        self.transform = transform # 变换函数
        
        self.classes = sorted(os.listdir(root_dir)) # 类别列表（按字母顺序排序）
        self.class_to_idx = {c: i for i,c in enumerate(self.classes)} # 类别名到索引的映射
        
        self.images = [] # 图片路径列表（相对于根目录）
        self.labels = [] # 标签列表（整数）
        
        for c in self.classes:
            c_dir = os.path.join(root_dir, c) # 类别子目录路径
            for img_name in sorted(os.listdir(c_dir)): # 遍历每个图片文件名（按字母顺序排序）
                img_path = os.path.join(c,img_name) # 图片相对路径（相对于根目录）
                label = self.class_to_idx[c] # 图

使用torchvision库的models类加载预训练模型或自定义模型

• 加载预训练模型或自定义模型：torchvision.models提供了一些常用的图像分类模型，例如AlexNet、VGG、ResNet等，并且可以选择是否加载在ImageNet数据集上预训练好的权重。这些模型可以直接用于图像分类任务，也可以作为特征提取器或者微调（fine-tune）的基础。例如，要加载一个预训练好的ResNet-18模型，并冻结除最后一层外的所有参数，可以使用以下代码：

import torchvision.models as models

model = models.resnet18(pretrained=True) # 加载预训练好的ResNet-18模型
for param in model.parameters(): # 遍历所有参数
    param.requires_grad = False # 将参数的梯度设置为False，表示不需要更新
num_features = model.fc.in_features # 获取全连接层（fc）的输入特征数
model.fc = torch.nn.Linear(num_features, 10) # 替换全连接层为一个新的线性层，输出特征数为10（假设有10个类别）

如果我们想要自定义自己的图像分类模型，我们可以通过继承torch.nn.Module类来实现一个Module对象，并实现__init__和forward两个方法。__init__方法用于定义模型中需要的各种层和参数，forward方法用于定义前向传播过程。例如，要自定义一个简单的卷积神经网络（CNN）模型，可以使用以下代码：

import torch.nn as nn

class MyCNN(nn.Module):
    def __init__(self):
        super(MyCNN, self).__init__() # 调用父类构造函数
        self.conv1 = nn.Conv2d(3, 6, 5) # 定义第一个卷积层，输入通道数为3（RGB），输出通道数为6，卷积核大小为5×5
        self.pool = nn.MaxPool2d(2, 2) # 定义最大池化层，池化核大小为2×2，步长为2
        self.conv2 = nn.Conv2d(6, 16, 5) # 定义第二个卷积层，输入通道数为6，输出通道数为16，卷积核大小为5×5
        self.fc1 = nn.Linear(16 * 5 * 5, 120) # 定义第一个全连接层，输入特征数为16×5×5（根据卷积和池化后的图像大小计算得到），输出特征数为120
        self.fc2 = nn.Linear(120, 84) # 定义第二个全连接层，输入特征数为120，输出特征数为84
        self.fc3 = nn.Linear(84, 10) # 定义第三个全连接层，输入特征数为84，

forward方法

forward方法用于定义前向传播过程，即如何根据输入的图像张量（Tensor）计算出输出的类别概率分布。我们可以使用定义好的各种层和参数，并结合一些激活函数（如ReLU）和归一化函数（如softmax）来实现forward方法。例如，要实现上面自定义的CNN模型的forward方法，可以使用以下代码：

import torch.nn.functional as F

class MyCNN(nn.Module):
    def __init__(self):
        # 省略__init__方法的内容
        ...

    def forward(self, x): # 定义前向传播过程，x是输入的图像张量
        x = self.pool(F.relu(self.conv1(x))) # 将x通过第一个卷积层和ReLU激活函数，然后通过最大池化层
        x = self.pool(F.relu(self.conv2(x))) # 将x通过第二个卷积层和ReLU激活函数，然后通过最大池化层
        x = x.view(-1, 16 * 5 * 5) # 将x展平为一维向量，-1表示自动推断批量大小
        x = F.relu(self.fc1(x)) # 将x通过第一个全连接层和ReLU激活函数
        x = F.relu(self.fc2(x)) # 将x通过第二个全连接层和ReLU激活函数
        x = self.fc3(x) # 将x通过第三个全连接层
        x = F.softmax(x, dim=1) # 将x通过softmax函数，沿着第一个维度（类别维度）进行归一化，得到类别概率分布
        return x # 返回输出的类别概率分布

进行模型训练和测试，使用matplotlib.pyplot库可视化结果

模型训练和测试是机器学习中的重要步骤，它们可以帮助我们评估模型的性能和泛化能力。matplotlib.pyplot是一个Python库，它可以用来绘制各种类型的图形，包括曲线图、散点图、直方图等。使用matplotlib.pyplot库可视化结果的一般步骤如下：

• 导入matplotlib.pyplot模块，并设置一些参数，如字体、分辨率等。
• 创建一个或多个图形对象（figure），并指定大小、标题等属性。
• 在每个图形对象中创建一个或多个子图（subplot），并指定位置、坐标轴等属性。
• 在每个子图中绘制数据，使用不同的函数和参数，如plot、scatter、bar等。
• 添加一些修饰元素，如图例（legend）、标签（label）、标题（title）等。
• 保存或显示图形。

例如：使用matplotlib.pyplot库绘制了一个线性回归模型的训练误差和测试误差曲线：

# 导入模块
import matplotlib.pyplot as plt
import numpy as np

# 设置字体和分辨率
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
%config InlineBackend.figure_format = "retina"

# 生成数据
x = np.linspace(0, 10, 100)
y = 3 * x + 5 + np.random.randn(100) * 2 # 真实值
w = np.random.randn() # 随机初始化权重
b = np.random.randn() # 随机初始化偏置

# 定义损失函数
def loss(y_true, y_pred):
    return ((y_true - y_pred) ** 2).mean()

# 定义梯度下降函数
def gradient_descent(x, y_true, w, b, lr):
    y_pred = w * x + b # 预测值
    dw = -2 * (x * (y_true - y_pred)).mean() # 权重梯度
    db = -2 * (y_true - y_pred).mean() # 偏置梯度
    w = w - lr * dw # 更新权重
    b = b - lr * db # 更新偏置
    return w, b

# 训练模型，并记录每轮的训练误差和测试误差
epochs = 20 # 训练轮数
lr = 0.01 # 学习率
train_loss_list = [] # 训练误差列表
test_loss_list = [] # 测试误差列表

for epoch in range(epochs):
    # 划分训练集和测试集（8:2）
    train_index = np.random.choice(100, size=80, replace=False)
    test_index = np.setdiff1d(np.arange(100), train_index)
    x_train, y_train = x[train_index], y[train_index]
    x_test, y_test = x[test_index], y[test_index]

    # 梯度下降更新参数，并计算训练误差和测试误差
    w, b = gradient_descent(x_train, y_train, w, b, lr)
    train_loss = loss(y_train, w * x_train + b)
    test_loss = loss(y_test, w * x_test + b)

    # 打印结果，并将误差添加到列表中
    print(f"Epoch {epoch+1}, Train Loss: {train_loss:.4f}, Test Loss: {test_loss:.4f}")
    train_loss_list.append(train_loss)
    test_loss_list.append(test_loss)

# 创建一个图形对象，并设置大小为8*6英寸    
plt.figure(figsize=(8,6))

# 在图形对象中创建一个子图，并设置位置为1行1列的第1个
plt.subplot(1, 1, 1)

# 在子图中绘制训练误差和测试误差曲线，使用不同的颜色和标签
plt.plot(np.arange(epochs), train_loss_list, "r", label="Train Loss")
plt.plot(np.arange(epochs), test_loss_list, "b", label="Test Loss")

# 添加图例、坐标轴标签和标题
plt.legend()
plt.xlabel("Epoch")
plt.ylabel("Loss")
plt.title("Linear Regression Loss Curve")

# 保存或显示图形
#plt.savefig("loss_curve.png")
plt.show()

运行后，可以看到如下的图形：

参考：： PyTorch官方网站