PyTorch入门与实战：用卷积神经网络（CNN）进行图像分类

前言

深度学习在计算机视觉领域的应用已经取得了革命性的突破，而卷积神经网络（CNN）是其背后的核心技术。对于希望进入人工智能领域的开发者来说，掌握一个主流的深度学习框架并利用它来构建图像分类模型，是必备的入门技能。PyTorch 以其灵活性、易用性和强大的社区支持，成为了学术界和工业界的首选框架之一。

本文将提供一个详尽的、端到端的实战教程，旨在引导初学者使用 PyTorch 构建一个完整的 CNN 模型，并应用于经典的 CIFAR-10 图像分类任务。文章将覆盖从数据准备、模型构建、训练到最终评估的全过程。

---

1. 卷积神经网络 (CNN) 核心概念

卷积神经网络是一种特殊设计用于处理具有网格状拓扑结构数据（如图像）的深度神经网络。其核心思想在于通过局部感受野、权值共享和下采样来有效提取和学习图像特征。

一个基础的 CNN 通常由以下几种关键层组成：

• 卷积层 (torch.nn.Conv2d): 网络的核心，通过可学习的滤波器（或称卷积核）在输入图像上滑动，以生成特征图（Feature Map），从而捕捉图像的局部特征（如边缘、角点、纹理等）。
• 激活函数 (如 ReLU): 对卷积层输出的特征图进行非线性变换，增强网络的表达能力。ReLU(x) = max(0, x) 是最常用的激活函数之一。
• 池化层 (torch.nn.MaxPool2d): 也称为下采样层。它在保留显著特征的同时，减小特征图的空间尺寸，从而减少网络参数数量和计算复杂度，并增强模型的平移不变性。
• 全连接层 (torch.nn.Linear): 在网络的末端，负责将前面卷积和池化层提取到的高级特征进行整合，并映射到最终的输出（例如，各个类别的得分）。

---

2. 步骤一：环境配置与数据加载

在开始编码前，请确保已安装 PyTorch 和 torchvision。

# 强烈建议访问 PyTorch 官网 (https://pytorch.org/) 以获取最适合您系统（CUDA/CPU）的安装指令。
# 以下为通用 CPU 版本的安装示例：
pip install torch torchvision

我们将使用 torchvision 中内置的 CIFAR-10 数据集。该数据集包含 10 个类别的 60,000 张 32x32 彩色图像。

torchvision.transforms 模块用于对图像数据进行预处理，torch.utils.data.DataLoader 则用于高效地加载数据。

import torch
import torchvision
import torchvision.transforms as transforms

# 1. 定义数据预处理流程
# a. 将 PIL.Image 或 numpy.ndarray 转换为 torch.FloatTensor。
# b. 将 [0, 1] 范围的张量归一化到 [-1, 1] 范围。
transform = transforms.Compose(
    [transforms.ToTensor(),
     transforms.Normalize(mean=(0.5, 0.5, 0.5), std=(0.5, 0.5, 0.5))])

# 2. 下载并准备训练数据集
trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
                                        download=True, transform=transform)
# 3. 创建数据加载器
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4,
                                          shuffle=True, num_workers=2)

# 4. 同样地准备测试数据集
testset = torchvision.datasets.CIFAR10(root='./data', train=False,
                                       download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=4,
                                         shuffle=False, num_workers=2)

# 类别标签
classes = ('plane', 'car', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

---

3. 步骤二：定义 CNN 模型结构

在 PyTorch 中，任何自定义模型都应继承自 torch.nn.Module。我们需要在 __init__ 方法中定义网络层，并在 forward 方法中指定数据在前向传播过程中的流向。

import torch.nn as nn
import torch.nn.functional as F

class SimpleCNN(nn.Module):
    def __init__(self):
        super(SimpleCNN, self).__init__()
        # 定义网络层
        # 输入: 3x32x32
        self.conv1 = nn.Conv2d(in_channels=3, out_channels=6, kernel_size=5) # -> 6x28x28
        self.pool = nn.MaxPool2d(kernel_size=2, stride=2) # -> 6x14x14
        self.conv2 = nn.Conv2d(in_channels=6, out_channels=16, kernel_size=5) # -> 16x10x10
        # self.pool 之后 -> 16x5x5
        
        # 全连接层
        self.fc1 = nn.Linear(16 * 5 * 5, 120) # 16*5*5 是展平后的维度
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10) # 最终输出10个类别

    def forward(self, x):
        # 定义数据流
        x = self.pool(F.relu(self.conv1(x)))
        x = self.pool(F.relu(self.conv2(x)))
        
        # 将多维特征图展平为一维向量
        x = x.view(-1, 16 * 5 * 5)
        
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x

# 实例化模型
net = SimpleCNN()
print(net)

---

4. 步骤三：定义损失函数和优化器

• 损失函数 (Loss Function): 用于衡量模型预测值与真实标签之间的差异。对于多分类问题，交叉熵损失 nn.CrossEntropyLoss 是标准选择。
• 优化器 (Optimizer): 根据损失函数计算出的梯度，来更新网络的权重参数，以期减小未来的损失。随机梯度下降（SGD）是其中最基础和常用的优化算法。

import torch.optim as optim

criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)

---

5. 步骤四：训练网络

训练过程是一个迭代的过程。在每个迭代（epoch）中，我们遍历整个训练数据集，执行以下操作：

1. 从 DataLoader 获取一批（batch）数据。
2. 将优化器的梯度缓存清零 (optimizer.zero_grad())。
3. 执行前向传播，得到模型输出 (outputs = net(inputs))。
4. 计算损失 (loss = criterion(outputs, labels))。
5. 执行反向传播，计算梯度 (loss.backward())。
6. 调用优化器，更新网络权重 (optimizer.step())。

print('--- 开始训练 ---')

for epoch in range(2):  # 训练两个 epoch 作为演示
    running_loss = 0.0
    for i, data in enumerate(trainloader, 0):
        # 1. 获取数据
        inputs, labels = data

        # 2. 梯度清零
        optimizer.zero_grad()

        # 3. 前向传播、计算损失、反向传播、优化
        outputs = net(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()

        # 4. 打印日志
        running_loss += loss.item()
        if i % 2000 == 1999:    # 每 2000 个 mini-batches 打印一次平均损失
            print(f'[Epoch: {epoch + 1}, Batch: {i + 1:5d}] loss: {running_loss / 2000:.3f}')
            running_loss = 0.0

print('--- 训练结束 ---')

---

6. 步骤五：在测试集上评估模型

训练完成后，我们需要在从未见过的数据（测试集）上评估模型的性能。

correct = 0
total = 0

# 在评估模式下，我们不需要计算梯度
with torch.no_grad():
    for data in testloader:
        images, labels = data
        # 将图像输入网络
        outputs = net(images)
        # 获取预测结果：得分最高的类别
        _, predicted = torch.max(outputs.data, 1)
        total += labels.size(0)
        correct += (predicted == labels).sum().item()

accuracy = 100 * correct / total
print(f'模型在 10000 张测试图像上的准确率: {accuracy:.2f} %')

---

Ai 产品推荐

😳 0v0 AI 助手推荐、官网：https://0v0.pro

• 🆓 开源模型全免费：Llama、Qwen、Deepseek 等
• 😲 基础模型全免费：gpt-4o、o4-mini 、gpt-5-mini 等
• ♾️ 对话真正无限制：不限时间、不限次数
• 🫡 每周免费一个旗舰模型：本周免费：gpt-5 ，不限使用！

---

LLM AI API 推荐 🗨️

🖐️ 按量计算、官网：https://llm-all.pro

• 😊 opneai 、cluade、genimi、gork 等模型：0.5:1刀 、官方 1 折
• 🤓 国内模型 豆包、千问 、deepseek、kimi 等：2 - 6 折
• ☺️ 除了以上模型外，还包含全球各类以上未列出的模型

---

👺 按次计算、官网：https://fackai.chat

• 国内外全模型
• 1 ：100次，性价比推荐

---

总结

本文详细介绍了如何使用 PyTorch 从零开始构建一个卷积神经网络用于图像分类。我们回顾了整个工作流：

1. 数据处理：使用 torchvision.transforms 和 DataLoader 对 CIFAR-10 数据集进行加载和预处理。
2. 模型定义：继承 nn.Module 来构建一个包含卷积、池化和全连接层的 CNN 结构。
3. 损失与优化：选择了 CrossEntropyLoss 和 SGD 作为损失函数与优化器。
4. 网络训练：编写标准的训练循环，完成模型参数的学习。
5. 性能评估：在测试集上计算模型的分类准确率。

通过这个实例，您应该对 PyTorch 的基本工作流程有了扎实的理解。这仅仅是深度学习之旅的起点，后续您还可以探索更深的网络结构、更复杂的优化技巧以及更多有趣的应用。

如果觉得本文对您有帮助，请点赞、收藏并关注博主，感谢您的支持！