CIFAR-10图像分类项目

1. 深度学习框架与库导入

import torch
import torchvision
import torchvision.transforms as transforms
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim

​​知识点详解：​​

1. ​​PyTorch​​：Facebook开发的开源深度学习框架，提供张量计算和自动求导功能

2. ​​torchvision​​：PyTorch的计算机视觉库，包含常用数据集、模型架构和图像转换工具

3. ​​transforms​​：提供图像预处理和数据增强功能

4. ​​nn.Module​​：所有神经网络模块的基类，用于构建自定义网络

5. ​​torch.nn.functional​​：包含各种神经网络函数（如激活函数、损失函数）

6. ​​torch.optim​​：提供各种优化算法（如SGD、Adam）

2. 多进程处理与主模块保护

if __name__ == '__main__': # 代码主体

​​知识点详解：​​

1. ​​if __name__ == '__main__'​​：Python的特殊语法，确保代码只在主模块中执行

2. ​​多进程问题​​：在Windows系统中，PyTorch的多进程数据加载需要此保护，避免递归创建子进程

3. ​​num_workers=0​​：设置数据加载器为单进程模式，避免多进程错误

3. 文件路径处理与验证

import os
root_dir = r"C:\Users\j1378\python pycharm\pythonProject\Clockin\作业"
dataset_folder = os.path.join(root_dir, "cifar-10-batches-py")
if not os.path.exists(dataset_folder):
    print(f"错误：数据集文件夹不存在 - {dataset_folder}")
    exit(1)

​​知识点详解：​​

1. ​​os.path​​：Python标准库中的路径处理模块

2. ​​os.path.join()​​：跨平台安全的路径拼接方法

3. ​​os.path.exists()​​：检查文件或目录是否存在

4. ​​错误处理​​：验证数据集路径，提供清晰的错误信息并优雅退出

4. 数据预处理与标准化

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

​​知识点详解：​​

1. ​​transforms.Compose()​​：将多个图像变换组合在一起

2. ​​ToTensor()​​：将PIL图像或numpy数组转换为PyTorch张量，并自动缩放像素值到[0,1]范围

3. ​​Normalize()​​：标准化处理，使用均值(0.5,0.5,0.5)和标准差(0.5,0.5,0.5)对每个通道进行标准化

   1. 公式：output = (input - mean) / std

   2. 效果：将像素值从[0,1]范围转换到[-1,1]范围

5. 数据集加载与管理

trainset = torchvision.datasets.CIFAR10(
    root=root_dir,
    train=True,
    download=False,
    transform=transform
)
testset = torchvision.datasets.CIFAR10(
    root=root_dir,
    train=False,
    download=False,
    transform=transform
)

​​知识点详解：​​

1. ​​CIFAR-10数据集​​：包含10个类别的6万张32x32彩色图像（5万训练+1万测试）

2. ​​torchvision.datasets​​：提供常用数据集的便捷访问接口

3. ​​数据划分​​：train=True获取训练集，train=False获取测试集

4. ​​transform参数​​：指定应用于数据的预处理转换

6. 数据加载器(DataLoader)

trainloader = torch.utils.data.DataLoader(
    trainset,
    batch_size=4,
    shuffle=True,
    num_workers=0
)

​​知识点详解：​​

• ​​DataLoader​​：提供数据集的小批量迭代访问

• ​​批处理(batch_size)​​：每次迭代返回指定数量的样本（此处为4）

• ​​数据洗牌(shuffle)​​：训练时随机打乱数据顺序，提高模型泛化能力

• ​​num_workers​​：数据加载的子进程数，0表示在主进程中加载

7. 卷积神经网络(CNN)架构

class CNNNet(nn.Module):
    def __init__(self):
        super(CNNNet, self).__init__()
        self.conv1 = nn.Conv2d(3, 16, 5)
        self.pool = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(16, 36, 3)
        self.fc1 = nn.Linear(36 * 6 * 6, 128)
        self.fc2 = nn.Linear(128, 10)
    
    def forward(self, x):
        x = self.pool(F.relu(self.conv1(x)))
        x = self.pool(F.relu(self.conv2(x)))
        x = x.view(-1, 36 * 6 * 6)
        x = F.relu(self.fc1(x))
        x = self.fc2(x)
        return x

​​知识点详解：​​

1. ​​nn.Module继承​​：所有自定义网络必须继承自nn.Module

2. ​​卷积层(nn.Conv2d)​​：

   1. conv1: Conv2d(3, 16, 5)：输入通道3(RGB)，输出通道16，5x5卷积核

   2. conv2: Conv2d(16, 36, 3)：输入通道16，输出通道36，3x3卷积核

3. ​​池化层(nn.MaxPool2d)​​：2x2最大池化，步长为2，将特征图尺寸减半

4. ​​全连接层(nn.Linear)​​：

   1. fc1: Linear(36 * 6 * 6, 128)：将卷积输出展平后连接到128维隐藏层

   2. fc2: Linear(128, 10)：输出10个类别的分数

5. ​​激活函数(F.relu)​​：Rectified Linear Unit，引入非线性

6. ​​张量重塑(x.view())​​：将多维特征张量展平为一维，供全连接层使用

8. 设备管理与GPU加速

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
net.to(device)

​​知识点详解：​​

1. ​​设备检测​​：自动检测可用的计算设备（GPU或CPU）

2. ​​模型迁移​​：使用.to(device)将模型参数和缓冲区移动到指定设备

3. ​​GPU加速​​：利用CUDA进行并行计算，大幅提高训练速度

9. 损失函数与优化器

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

​​知识点详解：​​

1. ​​交叉熵损失(nn.CrossEntropyLoss)​​：多分类问题的标准损失函数，结合了Softmax和负对数似然

2. ​​随机梯度下降(SGD)​​：基本优化算法

   1. ​​lr(学习率)​​：控制参数更新步长

   2. ​​momentum(动量)​​：加速SGD在相关方向上的收敛，抑制振荡

10. 模型训练循环

for epoch in range(10):
    for i, data in enumerate(trainloader, 0):
        inputs, labels = data[0].to(device), data[1].to(device)
        optimizer.zero_grad()
        outputs = net(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()

​​知识点详解：​​

• ​​epoch​​：完整遍历整个训练集的次数

• ​​前向传播​​：计算模型输出outputs = net(inputs)

• ​​损失计算​​：计算预测值与真实值之间的差异loss = criterion(outputs, labels)

• ​​反向传播​​：loss.backward()自动计算所有参数的梯度

• ​​梯度清零​​：optimizer.zero_grad()清除上一轮的梯度，避免累积

• ​​参数更新​​：optimizer.step()根据梯度更新模型参数

11. 模型评估与准确率计算

with torch.no_grad():
    for data in testloader:
        images, labels = data
        images, labels = images.to(device), labels.to(device)
        outputs = net(images)
        _, predicted = torch.max(outputs.data, 1)
        total += labels.size(0)
        correct += (predicted == labels).sum().item()

​​知识点详解：​​

1. ​​torch.no_grad()​​：禁用梯度计算，减少内存消耗，加速推理

2. ​​预测类别​​：torch.max(outputs.data, 1)返回每行最大值的索引（预测类别）

3. ​​准确率计算​​：比较预测值与真实值，统计正确预测的数量

4. ​​逐类别统计​​：分别计算每个类别的准确率，分析模型在不同类别上的表现

12. 可视化与调试

def imshow(img):
    img = img / 2 + 0.5  # 反归一化
    npimg = img.numpy()
    plt.imshow(np.transpose(npimg, (1, 2, 0)))
    plt.show()

# 显示样本图像
imshow(torchvision.utils.make_grid(images))

​​知识点详解：​​

1. ​​图像反归一化​​：将标准化后的图像恢复为可显示格式

2. ​​张量转numpy​​：.numpy()将PyTorch张量转换为NumPy数组

3. ​​维度转换​​：np.transpose()将通道维度从(C,H,W)转换为(H,W,C)

4. ​​matplotlib可视化​​：使用plt.imshow()显示图像