PyTorch 2.0 CNN 图像分类实战：FashionMNIST 数据集 3 轮训练达 88% 准确率

PyTorch 2.0 实战3轮训练实现FashionMNIST图像分类88%准确率当我们需要快速验证一个图像分类模型的有效性时FashionMNIST数据集和PyTorch的组合往往能提供绝佳的实验平台。这个经典的服装分类数据集不仅体积小巧适合快速迭代还保留了真实图像数据的核心特征。本文将展示如何用PyTorch 2.0构建一个精简但高效的CNN模型仅用3个训练周期就达到88%的测试准确率。1. 环境准备与数据加载让我们从最基础的环境配置开始。确保已安装PyTorch 2.0或更高版本这是体验最新性能优化的关键。虽然本文示例可以在CPU上运行但如果有CUDA兼容的GPU训练速度将显著提升。import torch from torch import nn import torchvision from torchvision import datasets, transforms from torch.utils.data import DataLoader # 检查PyTorch版本和设备 print(fPyTorch版本: {torch.__version__}) device cuda if torch.cuda.is_available() else cpuFashionMNIST数据集包含10类服装的灰度图像每张28x28像素。PyTorch内置了这个数据集我们可以直接下载并使用# 定义数据转换 transform transforms.Compose([ transforms.ToTensor(), ]) # 下载并加载数据集 train_data datasets.FashionMNIST( rootdata, trainTrue, downloadTrue, transformtransform ) test_data datasets.FashionMNIST( rootdata, trainFalse, downloadTrue, transformtransform ) # 创建数据加载器 BATCH_SIZE 32 train_loader DataLoader(train_data, batch_sizeBATCH_SIZE, shuffleTrue) test_loader DataLoader(test_data, batch_sizeBATCH_SIZE, shuffleFalse) # 查看类别名称 class_names train_data.classes print(f类别列表: {class_names})提示将shuffle设为True可以防止模型学习到数据顺序带来的偏差这对训练效果至关重要。2. CNN模型架构设计我们的目标是构建一个足够简单但有效的CNN结构。这个模型将包含两个卷积块每个块由卷积层、ReLU激活和最大池化组成最后接全连接层进行分类。class FashionMNIST_CNN(nn.Module): def __init__(self, input_shape: int, hidden_units: int, output_shape: int): super().__init__() self.conv_block_1 nn.Sequential( nn.Conv2d(in_channelsinput_shape, out_channelshidden_units, kernel_size3, stride1, padding1), nn.ReLU(), nn.MaxPool2d(kernel_size2) ) self.conv_block_2 nn.Sequential( nn.Conv2d(in_channelshidden_units, out_channelshidden_units, kernel_size3, stride1, padding1), nn.ReLU(), nn.MaxPool2d(kernel_size2) ) self.classifier nn.Sequential( nn.Flatten(), nn.Linear(in_featureshidden_units*7*7, # 为什么是7*7两次池化后28x28→14x14→7x7 out_featuresoutput_shape) ) def forward(self, x): x self.conv_block_1(x) x self.conv_block_2(x) x self.classifier(x) return x # 初始化模型 model FashionMNIST_CNN(input_shape1, # 灰度图单通道 hidden_units10, output_shapelen(class_names)).to(device)这个架构虽然简单但包含了CNN的核心要素局部感受野3x3卷积核捕捉局部特征非线性激活ReLU引入非线性表达能力下采样最大池化减少计算量同时保持特征不变性全连接分类最后将特征映射到10个类别3. 训练流程实现训练循环是深度学习的核心引擎。我们将定义损失函数、优化器并实现完整的训练和测试步骤。# 设置损失函数和优化器 loss_fn nn.CrossEntropyLoss() optimizer torch.optim.SGD(paramsmodel.parameters(), lr0.1) # 定义准确率计算函数 def accuracy_fn(y_true, y_pred): correct torch.eq(y_true, y_pred).sum().item() acc (correct / len(y_pred)) * 100 return acc # 训练步骤 def train_step(model: nn.Module, data_loader: DataLoader, loss_fn: nn.Module, optimizer: torch.optim.Optimizer, accuracy_fn, device: torch.device device): train_loss, train_acc 0, 0 model.train() for batch, (X, y) in enumerate(data_loader): X, y X.to(device), y.to(device) # 前向传播 y_pred model(X) # 计算损失 loss loss_fn(y_pred, y) train_loss loss train_acc accuracy_fn(y_truey, y_predy_pred.argmax(dim1)) # 优化器清零梯度 optimizer.zero_grad() # 反向传播 loss.backward() # 参数更新 optimizer.step() # 计算平均损失和准确率 train_loss / len(data_loader) train_acc / len(data_loader) print(f训练损失: {train_loss:.5f} | 训练准确率: {train_acc:.2f}%) # 测试步骤 def test_step(model: nn.Module, data_loader: DataLoader, loss_fn: nn.Module, accuracy_fn, device: torch.device device): test_loss, test_acc 0, 0 model.eval() with torch.inference_mode(): for X, y in data_loader: X, y X.to(device), y.to(device) # 前向传播 test_pred model(X) # 计算损失和准确率 test_loss loss_fn(test_pred, y) test_acc accuracy_fn(y_truey, y_predtest_pred.argmax(dim1)) # 计算平均损失和准确率 test_loss / len(data_loader) test_acc / len(data_loader) print(f测试损失: {test_loss:.5f} | 测试准确率: {test_acc:.2f}%\n)4. 模型训练与性能评估现在让我们启动训练流程仅用3个epoch观察模型表现# 设置随机种子保证可重复性 torch.manual_seed(42) # 训练3个epoch epochs 3 for epoch in range(epochs): print(fEpoch {epoch1}\n--------) train_step(modelmodel, data_loadertrain_loader, loss_fnloss_fn, optimizeroptimizer, accuracy_fnaccuracy_fn, devicedevice) test_step(modelmodel, data_loadertest_loader, loss_fnloss_fn, accuracy_fnaccuracy_fn, devicedevice)典型输出结果可能如下Epoch 1 -------- 训练损失: 0.58912 | 训练准确率: 78.67% 测试损失: 0.42601 | 测试准确率: 84.62% Epoch 2 -------- 训练损失: 0.38710 | 训练准确率: 86.10% 测试损失: 0.37610 | 测试准确率: 86.45% Epoch 3 -------- 训练损失: 0.34572 | 训练准确率: 87.47% 测试损失: 0.35821 | 测试准确率: 87.72%从结果可以看到仅用3个训练周期模型在测试集上的准确率就达到了接近88%的水平。这种快速收敛的特性使得这个配置非常适合作为更复杂模型的基准参考。5. 关键参数与调优建议虽然我们的基础模型已经表现不错但理解关键参数的影响对进一步优化至关重要参数当前值调整建议预期影响学习率0.10.01-0.1过高可能导致震荡过低收敛慢批量大小3232-256越大训练越稳定但需要更多内存隐藏单元1032-128增加模型容量可能提升表现优化器SGDAdam通常收敛更快但可能泛化稍差卷积核3x33x3或5x5更大的核能捕捉更大范围特征# 示例增强版模型架构 class Enhanced_CNN(nn.Module): def __init__(self): super().__init__() self.conv1 nn.Conv2d(1, 32, 3, padding1) self.conv2 nn.Conv2d(32, 64, 3, padding1) self.pool nn.MaxPool2d(2, 2) self.dropout nn.Dropout(0.25) self.fc1 nn.Linear(64*7*7, 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 self.dropout(x) x x.view(-1, 64*7*7) x F.relu(self.fc1(x)) x self.dropout(x) x self.fc2(x) return x这个增强版引入了Dropout正则化和更多的卷积通道通常能获得更好的表现但训练时间也会相应增加。