卷积神经网络实现猫狗分类

一.环境配置以及数据加载

import torch
import torch.nn as nn
import torch.optim as optim
import torchvision.transforms as transforms
from torchvision.datasets import ImageFolder
from torch.utils.data import DataLoader
import matplotlib.pyplot as plt

使用pytorch来进行卷积处理

transform = transforms.Compose([
    transforms.Resize((64, 64)),
    transforms.ToTensor(),
    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))
])

train_dataset = ImageFolder(root='train2/', transform=transform)
train_loader = DataLoader(train_dataset, batch_size=16, shuffle=True)  # 修改批次大小

传入数据集，将图像数据进行转换和标准化，首先将图像调整为64*64大小，根据gpu和cpu来选择图像的处理，将图像转换为张量（tensor)的格式，使用normalize函数对图像进行标准化处理，格式为均值和标准差的形式。 

二.cnn模型的创建

class CNN(nn.Module):
    def __init__(self):
        super(CNN, self).__init__()
        self.conv1 = nn.Conv2d(3, 32, kernel_size=3, padding=1)
        self.conv2 = nn.Conv2d(64, 128, kernel_size=3, padding=1)
        self.conv3 = nn.Conv2d(64, 128, kernel_size=3, padding=1)
        self.pool = nn.MaxPool2d(2, 2)
        self.fc1 = nn.Linear(128 * 8 * 8, 512)  # 修改全连接层的输入大小
        self.fc2 = nn.Linear(512, 2)  # 2 classes: cat and dog

    def forward(self, x):
        x = self.pool(torch.relu(self.conv1(x)))
        x = self.pool(torch.relu(self.conv2(x)))
        x = self.pool(torch.relu(self.conv3(x)))
        x = x.view(-1, 128 * 8 * 8)  # 修改视图大小
        x = torch.relu(self.fc1(x))
        x = self.fc2(x)
        return x

 在这段代码中，我们首先定义了三个卷积核，由于图像是rgb三个通道的输入，所以我们第一个卷积核的输入通道为3，输出为32，以此类推，第二个卷积核输入32，输出64，卷积核大小为3*3。

通过堆叠多个卷积层，可以逐渐扩大特征图的通道数，从而增加网络的非线性能力和表达能力。这种逐渐加深和加宽网络的设计可以更好地拟合复杂的数据分布，提高模型的泛化能力和准确性。因此，堆叠卷积层是设计深度卷积神经网络的重要手段之一。、

池化层

定义了一个最大池化层(nn.MaxPool2d)。在这个例子中，参数2, 2表示池化核大小为2x2，步幅为2。最大池化层的作用是对输入特征图进行下采样，通过保留每个池化窗口中的最大值来减少特征图的尺寸，同时保留主要特征。

我们将三个卷积核通过relu函数处理，使用池化层一一提取特征，进行下采样，得到一个128*8*8的特征。

全连接层

我们通过三次卷积叠加以及一次池化层下采样，得到了输入的特征，创建两个链接层，将第一个连接层的数据进行relu激活函数的处理最后通过激活函数输出

三.训练模型

for epoch in range(10):  # 可以调整 epoch 数量
    running_loss = 0.0
    correct = 0
    total = 0
    for inputs, labels in train_loader:
        optimizer.zero_grad()
        outputs = model(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()
        running_loss += loss.item()

使用了一个for循环来迭代训练模型的次数，每次迭代称为一个epoch。在每个epoch中，我们都会将运行损失（running_loss）初始化为0，正确预测数量（correct）和总样本数量（total）初始化为0。然后我们遍历训练数据加载器（train_loader）中的输入和标签对。对于每个输入，我们将优化器（optimizer）的梯度归零，将输入传递给模型（model），计算模型的输出，计算损失（loss），然后通过反向传播（loss.backward()）更新模型的参数（optimizer.step()）。最后，我们将每个样本的损失值加到运行损失中。

计算准确率

        _, predicted = torch.max(outputs, 1)
        total += labels.size(0)
        correct += (predicted == labels).sum().item()

    epoch_loss = running_loss / len(train_loader)
    epoch_accuracy = 100 * correct / total
    loss_history.append(epoch_loss)
    accuracy_history.append(epoch_accuracy)

在这段代码中，我们使用torch.max函数来获取模型输出outputs在第一个维度上的最大值以及对应的索引，即预测值predicted。然后，我们将标签的数量labels.size(0)加到total中，用于统计总样本数量。接着，我们将预测值与真实标签labels进行比较，如果预测值与真实标签相等，则计算出的结果为True，否则为False。将这些结果求和并转换为Python的整数类型（item()方法），然后累加到正确预测数量correct中。这段代码的目的是用于计算模型在每个epoch中的准确率。

四.源代码

import torch
import torch.nn as nn
import torch.optim as optim
import torchvision.transforms as transforms
from torchvision.datasets import ImageFolder
from torch.utils.data import DataLoader
import matplotlib.pyplot as plt


# 定义 CNN 模型
class CNN(nn.Module):
    def __init__(self):
        super(CNN, self).__init__()
        self.conv1 = nn.Conv2d(3, 32, kernel_size=3, padding=1)
        self.conv2 = nn.Conv2d(32, 64, kernel_size=3, padding=1)
        self.conv3 = nn.Conv2d(64, 128, kernel_size=3, padding=1)
        self.pool = nn.MaxPool2d(2, 2)
        self.fc1 = nn.Linear(128 * 8 * 8, 512)  # 修改全连接层的输入大小
        self.fc2 = nn.Linear(512, 2)  # 2 classes: cat and dog

    def forward(self, x):
        x = self.pool(torch.relu(self.conv1(x)))
        x = self.pool(torch.relu(self.conv2(x)))
        x = self.pool(torch.relu(self.conv3(x)))
        x = x.view(-1, 128 * 8 * 8)  # 修改视图大小
        x = torch.relu(self.fc1(x))
        x = self.fc2(x)
        return x


# 数据预处理和加载
transform = transforms.Compose([
    transforms.Resize((64, 64)),
    transforms.ToTensor(),
    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))
])

train_dataset = ImageFolder(root='train2/', transform=transform)
train_loader = DataLoader(train_dataset, batch_size=16, shuffle=True)  # 修改批次大小

# 实例化模型、损失函数和优化器
model = CNN()
criterion = nn.CrossEntropyLoss()
optimizer = optim.Adam(model.parameters(), lr=0.001)

# 训练过程中的损失和准确率可视化
loss_history = []
accuracy_history = []

for epoch in range(10):  # 可以调整 epoch 数量
    running_loss = 0.0
    correct = 0
    total = 0
    for inputs, labels in train_loader:
        optimizer.zero_grad()
        outputs = model(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()
        running_loss += loss.item()

        # 计算训练集上的准确率
        _, predicted = torch.max(outputs, 1)
        total += labels.size(0)
        correct += (predicted == labels).sum().item()

    epoch_loss = running_loss / len(train_loader)
    epoch_accuracy = 100 * correct / total
    loss_history.append(epoch_loss)
    accuracy_history.append(epoch_accuracy)

    print(f"Epoch {epoch + 1}, Loss: {epoch_loss}, Accuracy: {epoch_accuracy}%")

# 可视化损失和准确率
plt.figure(figsize=(10, 5))

plt.subplot(1, 2, 1)
plt.plot(loss_history, label='Training Loss')
plt.xlabel('Epoch')
plt.ylabel('Loss')
plt.title('Training Loss')
plt.legend()

plt.subplot(1, 2, 2)
plt.plot(accuracy_history, label='Training Accuracy')
plt.xlabel('Epoch')
plt.ylabel('Accuracy (%)')
plt.title('Training Accuracy')
plt.legend()

plt.show()

# 保存模型
torch.save(model.state_dict(), 'cat_dog_classifier.pth')