第P5周：Pytorch实现运动鞋识别

>- **🍨 本文为[🔗365天深度学习训练营](https://mp.weixin.qq.com/s/0dvHCaOoFnW8SCp3JpzKxg) 中的学习记录博客**
>- **🍖 原作者：[K同学啊](https://mtyjkh.blog.csdn.net/)**

一、前期准备

import torch
import torch.nn as nn
import torchvision.transforms as transforms
import torchvision
from torchvision import transforms, datasets

import os,PIL,pathlib

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

device

二、导入数据

读取数据集中的两个子文件夹名称（两个类名），“test”和“train”

import os,PIL,random,pathlib

data_dir = './第五周/'
data_dir = pathlib.Path(data_dir)

data_paths  = list(data_dir.glob('*'))
classeNames = [str(path).split("\\")[1] for path in data_paths]
classeNames

三、数据预处理

对数据集进行一个预处理，首先将图片尺寸统一调整为224*224像素，再做随机翻转以提升泛化能力做数据增强处理，接着转换为 PyTorch 的张量 (tensor) 格式，并将像素值归一化到 [0,1] 之间，然后做一个标准化处理，最终创建一个 ImageFolder 数据集对象

# 关于transforms.Compose的更多介绍可以参考：https://blog.csdn.net/qq_38251616/article/details/124878863
train_transforms = transforms.Compose([
    transforms.Resize([224, 224]),  # 将输入图片resize成统一尺寸
    # transforms.RandomHorizontalFlip(), # 随机水平翻转
    transforms.ToTensor(),          # 将PIL Image或numpy.ndarray转换为tensor，并归一化到[0,1]之间
    transforms.Normalize(           # 标准化处理-->转换为标准正太分布（高斯分布），使模型更容易收敛
        mean=[0.485, 0.456, 0.406], 
        std=[0.229, 0.224, 0.225])  # 其中 mean=[0.485,0.456,0.406]与std=[0.229,0.224,0.225] 从数据集中随机抽样计算得到的。
])

test_transforms = transforms.Compose([
    transforms.Resize([224, 224]),  # 将输入图片resize成统一尺寸
    transforms.ToTensor(),          # 将PIL Image或numpy.ndarray转换为tensor，并归一化到[0,1]之间
    transforms.Normalize(           # 标准化处理-->转换为标准正太分布（高斯分布），使模型更容易收敛
        mean=[0.485, 0.456, 0.406], 
        std=[0.229, 0.224, 0.225])  # 其中 mean=[0.485,0.456,0.406]与std=[0.229,0.224,0.225] 从数据集中随机抽样计算得到的。
])

train_dataset = datasets.ImageFolder("./第五周/train/",transform=train_transforms)
test_dataset  = datasets.ImageFolder("./第五周/test/",transform=test_transforms)

查看一下训练集中每个类别的索引，可以看到阿迪是0，耐克是1。

设置批组样本数目为32，设置在每次迭代中打乱数据，子进程数为1.

batch_size = 32

train_dl = torch.utils.data.DataLoader(train_dataset,
                                           batch_size=batch_size,
                                           shuffle=True,
                                           num_workers=1)
test_dl = torch.utils.data.DataLoader(test_dataset,
                                          batch_size=batch_size,
                                          shuffle=True,
                                          num_workers=1)

 查看输入数据和标签的形状，数据的大小为

for X, y in test_dl:
    print("Shape of X [N, C, H, W]: ", X.shape)
    print("Shape of y: ", y.shape, y.dtype)
    break

四、构建CNN网络

先定义好CNN网络框架，两次卷积一次池化，进行两次这样的操作，最后正则化通过全连接层进行分类

import torch.nn.functional as F

class Model(nn.Module):
    def __init__(self):
        super(Model, self).__init__()
        self.conv1=nn.Sequential(
            nn.Conv2d(3, 12, kernel_size=5, padding=0), # 12*220*220
            nn.BatchNorm2d(12),
            nn.ReLU())
        
        self.conv2=nn.Sequential(
            nn.Conv2d(12, 12, kernel_size=5, padding=0), # 12*216*216
            nn.BatchNorm2d(12),
            nn.ReLU())
        
        self.pool3=nn.Sequential(
            nn.MaxPool2d(2))                              # 12*108*108
        
        self.conv4=nn.Sequential(
            nn.Conv2d(12, 24, kernel_size=5, padding=0), # 24*104*104
            nn.BatchNorm2d(24),
            nn.ReLU())
        
        self.conv5=nn.Sequential(
            nn.Conv2d(24, 24, kernel_size=5, padding=0), # 24*100*100
            nn.BatchNorm2d(24),
            nn.ReLU())
        
        self.pool6=nn.Sequential(
            nn.MaxPool2d(2))                              # 24*50*50

        self.dropout = nn.Sequential(
            nn.Dropout(0.2))
        
        self.fc=nn.Sequential(
            nn.Linear(24*50*50, len(classeNames)))
        
    def forward(self, x):
        
        batch_size = x.size(0)
        x = self.conv1(x)  # 卷积-BN-激活
        x = self.conv2(x)  # 卷积-BN-激活
        x = self.pool3(x)  # 池化
        x = self.conv4(x)  # 卷积-BN-激活
        x = self.conv5(x)  # 卷积-BN-激活
        x = self.pool6(x)  # 池化
        x = self.dropout(x)
        x = x.view(batch_size, -1)  # flatten 变成全连接网络需要的输入 (batch, 24*50*50) ==> (batch, -1), -1 此处自动算出的是24*50*50
        x = self.fc(x)
       
        return x

device = "cuda" if torch.cuda.is_available() else "cpu"
print("Using {} device".format(device))

model = Model().to(device)
model

五、训练模型

搭建好CNN网络框架，开始设置训练模型，首先设置训练函数，包括：

• 初始化训练损失和准确率。
• 遍历数据加载器中的每个批次。
• 将数据和标签移动到设备（GPU或CPU）。
• 计算模型的预测结果和损失。
• 清零梯度，反向传播损失，更新模型参数。
• 计算并累加批次的准确率和损失。
• 返回平均训练损失和准确率。

# 训练循环
def train(dataloader, model, loss_fn, optimizer):
    size = len(dataloader.dataset)  # 训练集的大小
    num_batches = len(dataloader)   # 批次数目, (size/batch_size，向上取整)

    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)
        
        # 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，targets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

接着是测试函数：

• 初始化测试损失和准确率。
• 使用 torch.no_grad() 确保在测试过程中不计算梯度，节省内存。
• 遍历数据加载器中的每个批次。
• 将数据和标签移动到设备。
• 计算模型的预测结果和损失。
• 计算并累加批次的准确率和损失。
• 返回平均测试损失和准确率

1. def test (dataloader, model, loss_fn):
       size        = len(dataloader.dataset)  # 测试集的大小
       num_batches = len(dataloader)          # 批次数目, (size/batch_size，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()
               test_acc  += (target_pred.argmax(1) == target).type(torch.float).sum().item()
   
       test_acc  /= size
       test_loss /= num_batches
   
       return test_acc, test_loss

   下面设置调整学习率，用学习率衰减的方法，包括：

• 计算新的学习率，公式为 start_lr * (0.92 ** (epoch // 2))。这意味着每经过2个epoch，学习率会衰减到原来的0.92倍。
• 遍历优化器中的所有参数组 (param_groups)，并更新它们的学习率。

 每两个epoch将学习率调整到原来的0.92，遍历优化器中的所有参数组 (param_groups)，并更新它们的学习率。动态调整学习率，可以帮助模型在训练过程中避免过拟合，并提高最终的泛化能力。

def adjust_learning_rate(optimizer, epoch, start_lr):
    # 每 2 个epoch衰减到原来的 0.92
    lr = start_lr * (0.92 ** (epoch // 2))
    for param_group in optimizer.param_groups:
        param_group['lr'] = lr

learn_rate = 1e-4 # 初始学习率
optimizer  = torch.optim.SGD(model.parameters(), lr=learn_rate)

 进入正式训练，训练周期数为40：

loss_fn    = nn.CrossEntropyLoss() # 创建损失函数
epochs     = 40

train_loss = []
train_acc  = []
test_loss  = []
test_acc   = []

for epoch in range(epochs):
    # 更新学习率（使用自定义学习率时使用）
    adjust_learning_rate(optimizer, epoch, learn_rate)
    
    model.train()
    epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, optimizer)
    # scheduler.step() # 更新学习率（调用官方动态学习率接口时使用）
    
    model.eval()
    epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn)
    
    train_acc.append(epoch_train_acc)
    train_loss.append(epoch_train_loss)
    test_acc.append(epoch_test_acc)
    test_loss.append(epoch_test_loss)
    
    # 获取当前的学习率
    lr = optimizer.state_dict()['param_groups'][0]['lr']
    
    template = ('Epoch:{:2d}, Train_acc:{:.1f}%, Train_loss:{:.3f}, Test_acc:{:.1f}%, Test_loss:{:.3f}, Lr:{:.2E}')
    print(template.format(epoch+1, epoch_train_acc*100, epoch_train_loss, 
                          epoch_test_acc*100, epoch_test_loss, lr))
print('Done')

经过40个训练周期后，训练模型的准确率达到95.4%，在测试集上的准确率达到77.6%，测试损失为0.478.

六、结果可视化 

对训练和验证过程中模型的准确率（accuracy）和损失（loss）的变化进行可视化分析，可以看到，训练准确率逐渐上升并保持在较高水平（接近 0.96 到 0.97 左右），表明模型在训练集上的表现逐渐变好。验证准确率虽然波动较大，但准确率也比较高（在 0.75 到 0.78 之间），训练损失和测试损失都处于一个下降的状态。

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()

选择训练集中的一张图片进行预测，判断该照片的运动鞋类型

>>> x = torch.zeros(2, 1, 2, 1, 2)
>>> x.size()
torch.Size([2, 1, 2, 1, 2])
>>> y = torch.squeeze(x)
>>> y.size()
torch.Size([2, 2, 2])
>>> y = torch.squeeze(x, 0)
>>> y.size()
torch.Size([2, 1, 2, 1, 2])
>>> y = torch.squeeze(x, 1)
>>> y.size()
torch.Size([2, 2, 1, 2])
from PIL import Image 

classes = list(train_dataset.class_to_idx)

def predict_one_image(image_path, model, transform, classes):
    
    test_img = Image.open(image_path).convert('RGB')
    # plt.imshow(test_img)  # 展示预测的图片

    test_img = transform(test_img)
    img = test_img.to(device).unsqueeze(0)
    
    model.eval()
    output = model(img)

    _,pred = torch.max(output,1)
    pred_class = classes[pred]
    print(f'预测结果是：{pred_class}')
# 预测训练集中的某张照片
predict_one_image(image_path='./第五周/test/adidas/1.jpg', 
                  model=model, 
                  transform=train_transforms, 
                  classes=classes)

七、保存并加载模型 

# 模型保存
PATH = './model.pth'  # 保存的参数文件名
torch.save(model.state_dict(), PATH)

# 将参数加载到model当中
model.load_state_dict(torch.load(PATH, map_location=device))

 八、动态学习率

将学习率调整方法改为等间隔动态调整方法，每经过step_size个epoch，做一次学习率decay，以gamma值为缩小倍数，采用这种方法进行优化后，模型在测试集上的准确率可以提升到80%以上

learn_rate = 1e-4
optimizer = torch.optim.SGD(model.parameters(), lr=learn_rate)
scheduler = torch.optim.lr_scheduler.ExponentialLR(optimizer, gamma=0.9)
loss_fn = nn.CrossEntropyLoss()
epochs = 40

train_loss = []
train_acc = []
test_loss = []
test_acc = []

# Training loop
for epoch in range(epochs):
    model.train()
    epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, optimizer)
    
    model.eval()
    epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn)
    
    train_acc.append(epoch_train_acc)
    train_loss.append(epoch_train_loss)
    test_acc.append(epoch_test_acc)
    test_loss.append(epoch_test_loss)
    
    # Update learning rate
    scheduler.step()
    
    lr = optimizer.state_dict()['param_groups'][0]['lr']
    
    template = ('Epoch:{:2d}, Train_acc:{:.1f}%, Train_loss:{:.3f}, Test_acc:{:.1f}%, Test_loss:{:.3f}, Lr:{:.2E}')
    print(template.format(epoch+1, epoch_train_acc*100, epoch_train_loss, 
                          epoch_test_acc*100, epoch_test_loss, lr))

print('Done')

总结

引入动态调整学习率方法，如 ExponentialLR，在训练过程中逐步减小学习率，有助于模型更稳定地收敛，提升性能。其优点在于适应不同的学习任务，避免在训练初期过快或过慢，后期衰减学习率时避免陷入局部最优解。此策略不仅适用于卷积神经网络，还适用于其他深度学习算法如 RNN、Transformer 等，在不同任务如图像分类、自然语言处理等中都能显著提高模型效果，增强训练的灵活性和鲁棒性。