深度学习第二周：CIFAR10彩色图片识别

一、 前期准备

1. 设置GPU

import torch
import torch.nn as nn
import matplotlib.pyplot as plt
import torchvision

# 设置硬件设备，如果有GPU则使用，没有则使用cpu
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

Output：

device(type='cuda')  #代表使用的是GPU

2. 设置随机种子

为了保证实验可以复现，我们通过随机种子控制随机数的生成。

import random
import numpy as np

def setup_seed(seed1,seed2,seed3,seed4):
     torch.manual_seed(seed1)
     torch.cuda.manual_seed_all(seed2)
     np.random.seed(seed3)
     random.seed(seed4)
     torch.backends.cudnn.deterministic = True
# 设置随机数种子
setup_seed(1,2,3,4)

3. 导入数据

首先，通过内置包，下载数据集：

train_ds = torchvision.datasets.CIFAR10('data', 
                                      train=True, 
                                      transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor
                                      download=True)

test_ds  = torchvision.datasets.CIFAR10('data', 
                                      train=False, 
                                      transform=torchvision.transforms.ToTensor(), # 将数据类型转化为Tensor
                                      download=True)

通过 torch.utils.data.DataLoader 设置 Loader，

batch_size = 32

train_dl = torch.utils.data.DataLoader(train_ds, 
                                       batch_size=batch_size, 
                                       shuffle=True)

test_dl  = torch.utils.data.DataLoader(test_ds, 
                                       batch_size=batch_size)

• shuffle=True 代表每个epoch提取数据的顺序都是随机打乱，且元素不重复出现。

imgs, labels = next(iter(train_dl))
imgs.shape #样本数 通道数 长 宽

Output：

torch.Size([32, 3, 32, 32])

• iter(train_dl) 将数据加载器转换为一个迭代器（iterator），使得我们可以使用 Python 的 next() 函数来逐个访问数据加载器中的元素。
• next() 函数用于获取迭代器中的下一个元素。在这里，它被用来获取 train_dl 中的下一个批量数据。

观察一下对应的 shape，分别对应的是：单个batch 的样本数 通道数 图像的长 图像的宽 。CIFAR10数据集是彩色图像，因此本身包含RGB（红、绿、蓝）三通道，因此初始通道数为3。

torch.Size([32, 3, 32, 32])

4. 数据可视化

# 指定图片大小，图像大小为20宽、5高的绘图(单位为英寸inch)
plt.figure(figsize=(20, 5)) 
for i, imgs in enumerate(imgs[:20]): # enumerate输出（序号，图片）
    # 维度缩减
    npimg = np.squeeze(imgs.numpy())
    # 将整个figure分成2行10列，绘制第i+1个子图。
    plt.subplot(2, 10, i+1)
    plt.imshow(npimg)
    plt.axis('off')

• enumerate(imgs[:20]) 输出（序号，图片），例如（1，图像1），因此i对应的是序号，imgs对应的是图像数据。

二、构建网络

首先，搭建网络结构，

import torch.nn.functional as F

num_classes = 10  # 图片的类别数

class Model(nn.Module):
     def __init__(self):
        super().__init__()
         # 特征提取网络
        self.conv1 = nn.Conv2d(3, 64, kernel_size=3)   # 第一层卷积,卷积核大小为3*3*3
        self.pool1 = nn.MaxPool2d(kernel_size=2)       # 设置池化层，池化核大小为2*2
        self.conv2 = nn.Conv2d(64, 64, kernel_size=3)  # 第二层卷积,卷积核大小为3*3*64 
        self.pool2 = nn.MaxPool2d(kernel_size=2) 
        self.conv3 = nn.Conv2d(64, 128, kernel_size=3) # 第二层卷积,卷积核大小为3*3*64 
        self.pool3 = nn.MaxPool2d(kernel_size=2) 
                                      
        # 分类网络
        self.fc1 = nn.Linear(512, 256) # 全连接层          
        self.fc2 = nn.Linear(256, num_classes)
     # 前向传播
     def forward(self, x):
        x = self.pool1(F.relu(self.conv1(x)))     
        x = self.pool2(F.relu(self.conv2(x)))
        x = self.pool3(F.relu(self.conv3(x)))
        
        x = torch.flatten(x, start_dim=1)

        x = F.relu(self.fc1(x))
        x = self.fc2(x)
       
        return x

• nn.Conv2d(input_channel, output_channel, kernel_size) CNN理论核心——卷积层，设置kernel / filter 大小和个数，用于提取数据特征。
• nn.MaxPool2d(2) 下采样（池化），降低数据维数，表示抽象概念，传入参数为池化核大小。
• nn.ReLU激活函数，赋予模型拟合非线性关系的能力。
• nn.Linear(input_dimension, output_dimension)全连接层，相当于给数据乘以权重矩阵W，W的size由input_dimension, output_dimension和确定。
• 卷积核的size为：kernel_size × kernel_size × 上一层channel，因此，卷积核维数 = 数据维数 + 1。

查看网络参数：

from torchinfo import summary
# 将模型转移到GPU中（我们模型运行均在GPU中进行）
model = Model().to(device)

summary(model)

=================================================================
Layer (type:depth-idx)                   Param #
=================================================================
Model                                    --
├─Conv2d: 1-1                            1,792
├─MaxPool2d: 1-2                         --
├─Conv2d: 1-3                            36,928
├─MaxPool2d: 1-4                         --
├─Conv2d: 1-5                            73,856
├─MaxPool2d: 1-6                         --
├─Linear: 1-7                            131,328
├─Linear: 1-8                            2,570
=================================================================
Total params: 246,474
Trainable params: 246,474
Non-trainable params: 0
=================================================================

三、 训练模型

1. 设置超参数

loss_fn    = nn.CrossEntropyLoss() # 创建损失函数
learn_rate = 1e-2 # 学习率
opt        = torch.optim.SGD(model.parameters(),lr=learn_rate)

2. 训练函数

# 训练循环
def train(dataloader, model, loss_fn, optimizer):
    size = len(dataloader.dataset)  # 训练集的大小，一共60000张图片
    num_batches = len(dataloader)   # 批次数目，1875（60000/32）

    train_loss, train_acc = 0, 0  # 初始化训练损失和正确率
    
    for X, y in dataloader:  # 获取图片及其标签
        X, y = X.to(device), y.to(device) # 读取数据时的tensor变量copy一份到device所指定的GPU上
        
        # 计算预测误差
        pred = model(X)          # 网络输出
        loss = loss_fn(pred, y)  # 计算网络输出和真实值之间的差距，y为真实值，计算二者差值即为损失
        
        # 反向传播
        optimizer.zero_grad()  # grad属性归零
        loss.backward()        # 反向传播
        optimizer.step()       # 每一步自动更新
        
        # 记录acc与loss
        train_acc  += (pred.argmax(1) == y).type(torch.float).sum().item()
        train_loss += loss.item()
            
    train_acc  /= size
    train_loss /= num_batches

    return train_acc, train_loss

• optimizer.zero_grad()清空上一次的累计梯度
• loss.backward()根据tensor进行过的数学运算来自动计算其对应的梯度。具体来说，torch.tensor是autograd包的基础类，如果你设置tensor的requires_grads为True，就会开始跟踪这个tensor上面的所有运算，如果你做完运算后使用tensor.backward()，所有的梯度就会自动运算，tensor的梯度将会累加到它的.grad属性里面去。
• optimizer.step() step()函数的作用是执行一次反向传播，通过梯度下降法来更新参数的值。optimizer只负责通过梯度下降进行优化，而不负责产生梯度

3.测试函数

测试函数和训练函数大致相同，但是由于不进行梯度下降对网络权重进行更新，所以不需要传入优化器。

def test (dataloader, model, loss_fn):
    size        = len(dataloader.dataset)  # 测试集的大小，一共10000张图片
    num_batches = len(dataloader)          # 批次数目，313（10000/32=312.5，向上取整）
    test_loss, test_acc = 0, 0
    
    # 当不进行训练时，停止梯度更新，节省计算内存消耗
    with torch.no_grad():
        for imgs, target in dataloader:
            imgs, target = imgs.to(device), target.to(device)
            
            # 计算loss
            target_pred = model(imgs)
            loss        = loss_fn(target_pred, target)
            
            test_loss += loss.item() #累计loss
            test_acc  += (target_pred.argmax(1) == target).type(torch.float).sum().item() # 累计正确个数

    test_acc  /= size
    test_loss /= num_batches

    return test_acc, test_loss

4. 正式训练

epochs     = 10
train_loss = []
train_acc  = []
test_loss  = []
test_acc   = []

import time

for epoch in range(epochs):
    
    since_train = time.time()
    model.train()
    epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, opt)
    time_train = time.time() - since_train
    
    since_test = time.time()
    model.eval()
    epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn)
    time_test = time.time() - since_test
    
    train_acc.append(epoch_train_acc)
    train_loss.append(epoch_train_loss)
    test_acc.append(epoch_test_acc)
    test_loss.append(epoch_test_loss)
    
    template = ('Epoch:{:2d}, Train_acc:{:.1f}%, Train_loss:{:.3f}, Test_acc:{:.1f}%，Test_loss:{:.3f}，Train_Time:{:.3f}，Test_Time:{:.3f}')
    print(template.format(epoch+1, epoch_train_acc*100, epoch_train_loss, epoch_test_acc*100, epoch_test_loss, time_train, time_test))
print('Done')

• model.train()的作用是启用 Batch Normalization 和 Dropout。
• model.eval()的作用是关闭 Batch Normalization 和 Dropout。Normalization部分是调用training set中的方差和均值进行。Dropout部分不需要，Dropout部分只是帮助模型训练，防止过拟合。因此我们直接调用模型训练好的参数即可，

Epoch: 1, Train_acc:13.8%, Train_loss:2.264, Test_acc:22.2%，Test_loss:2.097，Train_Time:20.149，Test_Time:2.029
Epoch:10, Train_acc:58.2%, Train_loss:1.180, Test_acc:55.9%，Test_loss:1.228，Train_Time:16.168，Test_Time:2.221
Epoch:20, Train_acc:72.6%, Train_loss:0.790, Test_acc:67.7%，Test_loss:0.947，Train_Time:16.135，Test_Time:2.168
Epoch:30, Train_acc:82.2%, Train_loss:0.516, Test_acc:68.1%，Test_loss:1.014，Train_Time:15.942，Test_Time:2.062
Epoch:40, Train_acc:90.3%, Train_loss:0.284, Test_acc:69.9%，Test_loss:1.105，Train_Time:16.329，Test_Time:2.054
Epoch:50, Train_acc:96.2%, Train_loss:0.116, Test_acc:68.6%，Test_loss:1.615，Train_Time:16.402，Test_Time:2.088
Epoch:60, Train_acc:100.0%, Train_loss:0.009, Test_acc:70.5%，Test_loss:2.018，Train_Time:16.292，Test_Time:2.006
Epoch:70, Train_acc:100.0%, Train_loss:0.002, Test_acc:70.7%，Test_loss:2.302，Train_Time:16.182，Test_Time:2.074
Done

四、 结果可视化

import matplotlib.pyplot as plt
#隐藏警告
import warnings
warnings.filterwarnings("ignore")               #忽略警告信息
plt.rcParams['font.sans-serif']    = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False      # 用来正常显示负号
plt.rcParams['figure.dpi']         = 100        #分辨率

epochs_range = range(epochs)

plt.figure(figsize=(12, 3))
plt.subplot(1, 2, 1)

plt.plot(epochs_range, train_acc, label='Training Accuracy')
plt.plot(epochs_range, test_acc, label='Test Accuracy')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')

plt.subplot(1, 2, 2)
plt.plot(epochs_range, train_loss, label='Training Loss')
plt.plot(epochs_range, test_loss, label='Test Loss')
plt.legend(loc='upper right')
plt.title('Training and Validation Loss')
plt.show()

• 训练准确率（蓝色线）随着训练周期的增加而稳步提高，测试准确率（橙色线）在训练早期迅速提高。
• 训练损失（蓝色线）持续下降，测试损失（橙色线）下降后开始上升。

基于这些观察结果，我们可以得出结论，模型在CIFAR-10数据集上存在过拟合的问题。

• 应用数据增强（Data Augmentation）来增加训练集的多样性。
• 引入正则化方法，如L1或L2正则化，或者使用Dropout。
• 调整网络架构，可能是通过减少网络的复杂度来减少模型的容量。
• 使用早停法（Early Stopping）来避免过度训练。

仔细观察可以发现，在第20个epoch之后，测试损失持续上升，但是测试准确率却维持在70%左右，这是因为模型的拟合能力最多只能拟合出测试集中70%的样本。对于剩下30%的样本，该模型无法拟合，原因可能是训练集中相似个体较少/模型过拟合，模型没有学到代表性特征，反而越学习会使模型中这30%的loss增加，但70%的样本的loss趋于稳定，从而出现测试准确率稳定，但测试loss增大的情况。

个人总结

1. 对于彩色图像，我们只需要把初始channel调成3即可：self.conv1 = nn.Conv2d(3, 64, kernel_size=3)
2. 对于acc和loss折线图，多总结，分析原因。