基于卷积神经网络的分类算法

应用机器学习模型采用卷积神经网络，部署在Web环境中，通过Fashion-MNIST数据集进行模型训练和改进，实现网页端服装类别精准识别。

运行环境

在Windows系统中下载Anaconda，下载地址为：https://www.anaconda.com/。本项目采用Python 3.6版本，完成Anaconda的安装并配置好环境变量，也可以下载虚拟机在Linux环境下运行代码。

Python环境

在Windows系统中下载Anaconda，下载地址为：https://www.anaconda.com/。本项目采用Python 3.6版本，完成Anaconda的安装并配置好环境变量，也可以下载虚拟机在Linux环境下运行代码。

PyTorch环境

打开Anaconda Prompt，添加清华仓库镜像，输入命令：
conda config–add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config–add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config-set show_channel_urls yes
创建新的Python环境，名称为PyTorch，Python版本号要对应，输入命令：
conda create-n pytorch python＝3.6
有需要确认的地方，都输入y。
在Anaconda Prompt中激活PyTorch环境，输入命令：
activate pytorch
在PyTorch官网查看可供选择PyTorch版本、系统版本、安装方式以及编程语言，获得下载命令，还可选择CUDA加速，下载地址为：https://pytorch.org/get-started/locally/。
选用Stable 1.4版本、Windows系统、conda安装包、Python语言以及CUDA 10.1版本的PyTorch，在Anaconda Prompt中安装，输入命令：
conda install pytorch torchvision cudatoolkit＝10.1
有需要确认的地方，都输入y，安装完成。

Django环境

打开Anaconda Prompt，激活PyTorch环境，输入命令：
activate pytorch
下载Django，输入命令：

  conda install Django

有需要确认的地方，都输入y，安装完成后检查是否成功安装了Django，输入命令：
conda list
若有显示结果，则Django成功安装。

数据预处理

Fashion-MNIST是德国研究机构Zalando Research推出的一个全新的数据集，其中训练集包含60000个样例，测试集包含10000个样例，每个样本都为28×28的单通道灰度图像。该数据集的样本来自日常穿着的时尚单品，共10个类别，分别为[0]T-shirt/top、[1]Trouser、[2]Pullover、[3]Dress、[4]Coat、[5]Sandal、[6]Shirt、[7]Sneaker、[8]Bag、[9]Ankle boot。
Fashion-MNIST在PyTorch中是内置的数据集，对datasets类使用API下载即可，对于datasets类的对象，可以使用DataLoader（）方法加载数据集。

由于在线下载速度较慢，可以选择离线导入数据集，在GitHub上下载Fashion-MNIST，下载地址为：https://github.com/zalandoresearch/fashion-mnist。在当前工作目录下创建\FashionMNIST文件夹，并在其中创建\raw和\processed文件夹，将下载好的数据集放入\raw下，再使用上述代码导入即可，如图2-5所示。
为丰富图像训练集，更好地提取图像特征，提高模型泛化能力，防止模型过拟合，提升模型的健壮性，需要对训练集数据进行增强。常用的方式有旋转图像、剪切图像、改变图像色差、扭曲图像特征、改变图像尺寸大小、增强图像噪音等。在PyTorch中，tansforms类提供了20余种图像处理的方法，可用于数据增强。