PyTorch构建卷积神经网络（CNN）训练模型：分步指南

《博主简介》

小伙伴们好，我是阿旭。专注于人工智能、AIGC、python、计算机视觉相关分享研究。
✌更多学习资源，可关注公-仲-hao:【阿旭算法与机器学习】，共同学习交流~
👍感谢小伙伴们点赞、关注！

《------往期经典推荐------》

一、AI应用软件开发实战专栏【链接】

项目名称	项目名称
1.【人脸识别与管理系统开发】	2.【车牌识别与自动收费管理系统开发】
3.【手势识别系统开发】	4.【人脸面部活体检测系统开发】
5.【图片风格快速迁移软件开发】	6.【人脸表表情识别系统】
7.【YOLOv8多目标识别与自动标注软件开发】	8.【基于YOLOv8深度学习的行人跌倒检测系统】
9.【基于YOLOv8深度学习的PCB板缺陷检测系统】	10.【基于YOLOv8深度学习的生活垃圾分类目标检测系统】
11.【基于YOLOv8深度学习的安全帽目标检测系统】	12.【基于YOLOv8深度学习的120种犬类检测与识别系统】
13.【基于YOLOv8深度学习的路面坑洞检测系统】	14.【基于YOLOv8深度学习的火焰烟雾检测系统】
15.【基于YOLOv8深度学习的钢材表面缺陷检测系统】	16.【基于YOLOv8深度学习的舰船目标分类检测系统】
17.【基于YOLOv8深度学习的西红柿成熟度检测系统】	18.【基于YOLOv8深度学习的血细胞检测与计数系统】
19.【基于YOLOv8深度学习的吸烟/抽烟行为检测系统】	20.【基于YOLOv8深度学习的水稻害虫检测与识别系统】
21.【基于YOLOv8深度学习的高精度车辆行人检测与计数系统】	22.【基于YOLOv8深度学习的路面标志线检测与识别系统】
23.【基于YOLOv8深度学习的智能小麦害虫检测识别系统】	24.【基于YOLOv8深度学习的智能玉米害虫检测识别系统】
25.【基于YOLOv8深度学习的200种鸟类智能检测与识别系统】	26.【基于YOLOv8深度学习的45种交通标志智能检测与识别系统】
27.【基于YOLOv8深度学习的人脸面部表情识别系统】	28.【基于YOLOv8深度学习的苹果叶片病害智能诊断系统】
29.【基于YOLOv8深度学习的智能肺炎诊断系统】	30.【基于YOLOv8深度学习的葡萄簇目标检测系统】
31.【基于YOLOv8深度学习的100种中草药智能识别系统】	32.【基于YOLOv8深度学习的102种花卉智能识别系统】
33.【基于YOLOv8深度学习的100种蝴蝶智能识别系统】	34.【基于YOLOv8深度学习的水稻叶片病害智能诊断系统】
35.【基于YOLOv8与ByteTrack的车辆行人多目标检测与追踪系统】	36.【基于YOLOv8深度学习的智能草莓病害检测与分割系统】
37.【基于YOLOv8深度学习的复杂场景下船舶目标检测系统】	38.【基于YOLOv8深度学习的农作物幼苗与杂草检测系统】
39.【基于YOLOv8深度学习的智能道路裂缝检测与分析系统】	40.【基于YOLOv8深度学习的葡萄病害智能诊断与防治系统】
41.【基于YOLOv8深度学习的遥感地理空间物体检测系统】	42.【基于YOLOv8深度学习的无人机视角地面物体检测系统】
43.【基于YOLOv8深度学习的木薯病害智能诊断与防治系统】	44.【基于YOLOv8深度学习的野外火焰烟雾检测系统】
45.【基于YOLOv8深度学习的脑肿瘤智能检测系统】	46.【基于YOLOv8深度学习的玉米叶片病害智能诊断与防治系统】
47.【基于YOLOv8深度学习的橙子病害智能诊断与防治系统】	48.【基于深度学习的车辆检测追踪与流量计数系统】
49.【基于深度学习的行人检测追踪与双向流量计数系统】	50.【基于深度学习的反光衣检测与预警系统】
51.【基于深度学习的危险区域人员闯入检测与报警系统】	52.【基于深度学习的高密度人脸智能检测与统计系统】
53.【基于深度学习的CT扫描图像肾结石智能检测系统】	54.【基于深度学习的水果智能检测系统】
55.【基于深度学习的水果质量好坏智能检测系统】	56.【基于深度学习的蔬菜目标检测与识别系统】
57.【基于深度学习的非机动车驾驶员头盔检测系统】	58.【基于深度学习的太阳能电池板检测与分析系统】
59.【基于深度学习的工业螺栓螺母检测】	60.【基于深度学习的金属焊缝缺陷检测系统】
61.【基于深度学习的链条缺陷检测与识别系统】	62.【基于深度学习的交通信号灯检测识别】
63.【基于深度学习的草莓成熟度检测与识别系统】	64.【基于深度学习的水下海生物检测识别系统】
65.【基于深度学习的道路交通事故检测识别系统】

二、机器学习实战专栏【链接】，已更新31期，欢迎关注，持续更新中~~
三、深度学习【Pytorch】专栏【链接】
四、【Stable Diffusion绘画系列】专栏【链接】
五、YOLOv8改进专栏【链接】，持续更新中~~
六、YOLO性能对比专栏【链接】，持续更新中~

《------正文------》

本文将分布详细介绍，如何使用PyTorch构建和训练一个简单的卷积神经网络（CNN），非常适合新手练手。我们将使用MNIST数据集（手写体数字数据集）来训练我们的模型。本指南假设你有一些Python和神经网络的基础知识，但不需要有PyTorch的经验。

CNN Architecture

步骤1：导入所需的库

首先，我们需要导入必要的库。PyTorch是我们用于构建和训练神经网络的主要库。我们还将使用torchvision来处理数据集和转换。

import torch
import torch.nn.functional as F
import torchvision.datasets as datasets
import torchvision.transforms as transforms
from torch import optim
from torch import nn
from torch.utils.data import DataLoader
from tqdm import tqdm

步骤2：定义卷积神经网络架构

我们将创建一个简单的CNN，它有两个卷积层，后面是一个完全连接的层。CNN特别适合图像数据，因为它们会自动捕获图像中的空间层次结构，例如边缘，纹理和更复杂的模式。

卷积层

卷积层是CNN的构建块。它们由几个关键组成部分组成：

过滤器（内核）-kernal：

滤波器是在输入图像上滑动并执行逐元素乘法然后求和的小矩阵。每个滤波器被设计为检测输入图像中的特定特征。
例如，过滤器可以检测水平边缘、垂直边缘或更复杂的纹理。
将滤波器应用于输入图像的输出称为特征图或激活图。如果你有多个过滤器，你会得到多个特征图。

步幅-stride：

步幅是滤波器在输入图像上移动的步长。
步幅为1意味着过滤器一次移动一个像素，包括水平和垂直方向。
较大的步幅会减小特征图的大小，因为过滤器会跳过更多的像素。例如，步幅为2意味着过滤器一次移动两个像素，有效地对特征图进行下采样。

填充-padding：

填充涉及在输入图像的边界周围添加额外的像素。这些额外的像素通常设置为零（零填充）。
填充可确保滤镜正确地覆盖图像，尤其是在边缘处。如果没有填充，特征图的大小在每次卷积操作后都会减小。
例如，如果您有一个5x5的输入图像和一个没有填充的3x3过滤器，则生成的特征图将是3x3。当padding为1时，特征图保持与输入相同的大小。

特征图：

特征图是在对输入图像应用滤波器之后卷积层的输出。
每个特征映射对应于不同的过滤器，并从输入中捕获不同的特征。
将多个特征图堆叠在一起形成多通道输出，该输出用作下一层的输入。

池化层

池化层减少了特征图的空间维度，这有助于提高网络的计算效率并减少过拟合。有两种主要类型的池：

最大池化：

最大池化从特征图的每个补丁中获取最大值。
例如，在2x2最大池化操作中，取特征图的每个2x2块的最大值来创建新的较小特征图。
此操作会将特征图的大小在水平和垂直方向上减少一半，但保留最突出的特征。

平均合并：

平均池取特征图每个补丁的平均值。
类似于最大池，但不是最大值，而是每个块的平均值。
这在不同的上下文中可能很有用，尽管最大池在实践中更常见。

以下是我们如何定义我们的CNN：

class CNN(nn.Module):def __init__(self, in_channels, num_classes=10):"""Define the layers of the convolutional neural network.Parameters:in_channels: intThe number of channels in the input image. For MNIST, this is 1 (grayscale images).num_classes: intThe number of classes we want to predict, in our case 10 (digits 0 to 9)."""super(CNN, self).__init__()# First convolutional layer: 1 input channel, 8 output channels, 3x3 kernel, stride 1, padding 1self.conv1 = nn.Conv2d(in_channels=in_channels, out_channels=8, kernel_size=3, stride=1, padding=1)# Max pooling layer: 2x2 window, stride 2self.pool = nn.MaxPool2d(kernel_size=2, stride=2)# Second convolutional layer: 8 input channels, 16 output channels, 3x3 kernel, stride 1, padding 1self.conv2 = nn.Conv2d(in_channels=8, out_channels=16, kernel_size=3, stride=1, padding=1)# Fully connected layer: 16*7*7 input features (after two 2x2 poolings), 10 output features (num_classes)self.fc1 = nn.Linear(16 * 7 * 7, num_classes)def forward(self, x):"""Define the forward pass of the neural network.Parameters:x: torch.TensorThe input tensor.Returns:torch.TensorThe output tensor after passing through the network."""x = F.relu(self.conv1(x))  # Apply first convolution and ReLU activationx = self.pool(x)           # Apply max poolingx = F.relu(self.conv2(x))  # Apply second convolution and ReLU activationx = self.pool(x)           # Apply max poolingx = x.reshape(x.shape[0], -1)  # Flatten the tensorx = self.fc1(x)            # Apply fully connected layerreturn x

步骤3：硬件设置

PyTorch可以在CPU和GPU上运行。我们将设备设置为使用GPU（如果可用）;否则，我们将使用CPU。

device = "cuda" if torch.cuda.is_available() else "cpu"

步骤4：定义超参数

超参数是用于调整模型训练方式的配置设置。

input_size = 784  # 28x28 pixels (not directly used in CNN)
num_classes = 10  # digits 0-9
learning_rate = 0.001
batch_size = 64
num_epochs = 10  # Reduced for demonstration purposes

第5步：加载数据

我们将使用torchvision.datasets模块下载并加载MNIST数据集。我们还将使用DataLoader来处理批处理和洗牌。

train_dataset = datasets.MNIST(root="dataset/", download=True, train=True, transform=transforms.ToTensor())
train_loader = DataLoader(dataset=train_dataset, batch_size=batch_size, shuffle=True)test_dataset = datasets.MNIST(root="dataset/", download=True, train=False, transform=transforms.ToTensor())
test_loader = DataLoader(dataset=test_dataset, batch_size=batch_size, shuffle=True)

步骤6：初始化网络

我们实例化我们的神经网络并将其移动到设备（GPU或CPU）。

model = CNN(in_channels=1, num_classes=num_classes).to(device)

步骤7：定义损失和优化器

我们将使用交叉熵损失进行分类，并使用Adam优化器更新模型的权重。

criterion = nn.CrossEntropyLoss()
optimizer = optim.Adam(model.parameters(), lr=learning_rate)

步骤8：训练网络

我们将多次循环数据集（epoch），并根据损失更新模型的权重。

for epoch in range(num_epochs):print(f"Epoch [{epoch + 1}/{num_epochs}]")for batch_index, (data, targets) in enumerate(tqdm(train_loader)):# Move data and targets to the device (GPU/CPU)data = data.to(device)targets = targets.to(device)# Forward pass: compute the model outputscores = model(data)loss = criterion(scores, targets)# Backward pass: compute the gradientsoptimizer.zero_grad()loss.backward()# Optimization step: update the model parametersoptimizer.step()

步骤9：模型评估

我们将定义一个函数来检查模型在训练和测试数据集上的准确性。

def check_accuracy(loader, model):"""Checks the accuracy of the model on the given dataset loader.Parameters:loader: DataLoaderThe DataLoader for the dataset to check accuracy on.model: nn.ModuleThe neural network model."""if loader.dataset.train:print("Checking accuracy on training data")else:print("Checking accuracy on test data")num_correct = 0num_samples = 0model.eval()  # Set the model to evaluation modewith torch.no_grad():  # Disable gradient calculationfor x, y in loader:x = x.to(device)y = y.to(device)# Forward pass: compute the model outputscores = model(x)_, predictions = scores.max(1)  # Get the index of the max log-probabilitynum_correct += (predictions == y).sum()  # Count correct predictionsnum_samples += predictions.size(0)  # Count total samples# Calculate accuracyaccuracy = float(num_correct) / float(num_samples) * 100print(f"Got {num_correct}/{num_samples} with accuracy {accuracy:.2f}%")model.train()  # Set the model back to training mode# Final accuracy check on training and test sets
check_accuracy(train_loader, model)
check_accuracy(test_loader, model)