介绍

卷积神经网络（CNN或ConvNet）是一种专门设计用于对象识别至关重要的任务的深度学习算法，如图像分类、检测和分割。CNN可以在复杂的视觉任务上实现最先进的准确率，驱动许多实际应用，如监控系统、仓库管理等。

作为人类，我们可以通过分析图案、形状和颜色来轻松识别图像中的物体。CNN也可以通过学习哪些图案对区分非常重要来执行这种识别。例如，在试图区分猫和狗的照片时，我们的大脑会关注独特的形状、纹理和面部特征。CNN学会了捕捉这些不同类型的特征。即使对于非常细粒度的分类任务，CNN也能够直接从像素中学习复杂的特征表示。

在这篇文章中，我们将学习卷积神经网络以及如何使用它们在PyTorch中构建图像分类器。

卷积神经网络是如何工作的？

卷积神经网络（CNN）通常用于图像分类任务。从高层次上看，CNN包含三种主要类型的层：

1. 卷积层。将卷积滤波器应用于输入图像以提取特征。这些层中的神经元称为滤波器，它们捕捉输入中的空间模式。
2. 池化层。对卷积层的特征图进行下采样以合并信息。最大池化和平均池化是常用的策略。
3. 全连接层。将卷积层和池化层的高层特征作为分类的输入。可以堆叠多个全连接层。

卷积滤波器充当特征探测器，学会在看到特定类型的图案或形状时激活。当这些滤波器应用于图像时，它们产生突出表示某些特征存在的特征图。

例如，一个滤波器在看到垂直线时激活，产生一个显示图像中垂直线的特征图。将多个滤波器应用于相同的输入会产生一组特征图，捕捉图像的不同方面。

通过堆叠多个卷积层，CNN可以学习特征的层次结构，从简单的边缘和图案逐渐建立起更复杂的形状和物体。池化层有助于整合特征表示并提供平移不变性。

最终的全连接层接受这些学到的特征表示并将其用于分类。对于图像分类任务，输出层通常使用softmax激活函数产生类别的概率分布。

在PyTorch中，我们可以定义卷积、池化和全连接层来构建CNN架构。下面是一些示例代码：

# Conv layers 

self.conv1 = nn.Conv2d(in_channels, out_channels, kernel_size)

self.conv2 = nn.Conv2d(in_channels, out_channels, kernel_size)



# Pooling layer

self.pool = nn.MaxPool2d(kernel_size)



# Fully-connected layers 

self.fc1 = nn.Linear(in_features, out_features)

self.fc2 = nn.Linear(in_features, out_features)

然后，我们可以使用反向传播和优化来训练CNN模型，卷积和池化层将自动学习有效的特征表示，使网络在视觉任务上获得强大的性能。

CNN入门

在本节中，我们将加载CIFAR10数据集，并使用PyTorch构建和训练基于CNN的分类模型。CIFAR10数据集提供了32x32的RGB图像，涵盖了十个类别，非常适用于测试图像分类模型。这些类别以0到9的整数进行标记。

首先，我们将使用torchvision下载和加载CIFAR10数据集。我们还将使用torchvision将测试集和训练集转换为张量。

import torch

import torch.nn as nn

import torch.optim as optim

import torchvision



transform = torchvision.transforms.Compose(

    [torchvision.transforms.ToTensor()]

)



train = torchvision.datasets.CIFAR10(

    root="data", train=True, download=True, transform=transform

)



test = torchvision.datasets.CIFAR10(

    root="data", train=False, download=True, transform=transform

)

Downloading https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz to data/cifar-10-python.tar.gz



100%|██████████| 170498071/170498071 [00:10<00:00, 15853600.54it/s]



Extracting data/cifar-10-python.tar.gz to data

Files already downloaded and verified

之后，我们将使用数据加载器并将图像拆分为批次。

batch_size = 32

trainloader = torch.utils.data.DataLoader(

    train, batch_size=batch_size, shuffle=True

)

testloader = torch.utils.data.DataLoader(

    test, batch_size=batch_size, shuffle=True

)

为了在单批图像中可视化图像，我们将使用 matplotlib 和 torchvision 实用程序函数。

from torchvision.utils import make_grid

import matplotlib.pyplot as plt



def show_batch(dl):

    for images, labels in dl:

        fig, ax = plt.subplots(figsize=(12, 12))

        ax.set_xticks([]); ax.set_yticks([])

        ax.imshow(make_grid(images[:64], nrow=8).permute(1, 2, 0))

        break

show_batch(trainloader)

正如我们所看到的，我们有汽车、动物、飞机和船只的图像。

接下来，我们将构建我们的 CNN 模型。为此，我们必须创建一个 Python 类并初始化卷积层、maxpool 层和全连接层。我们的架构有2个卷积层，分别包含池化层和线性层。

初始化后，我们不会在前向函数中按顺序连接所有层。如果你是 PyTorch 的新手，你应该阅读 Interpretable Neural Networks with PyTorch 来详细了解每个组件。

class CNNModel(nn.Module):

    def __init__(self):

        super().__init__()

        self.conv1 = nn.Conv2d(3, 32, kernel_size=(3,3), stride=1, padding=1)

        self.act1 = nn.ReLU()

        self.drop1 = nn.Dropout(0.3)

 

        self.conv2 = nn.Conv2d(32, 32, kernel_size=(3,3), stride=1, padding=1)

        self.act2 = nn.ReLU()

        self.pool2 = nn.MaxPool2d(kernel_size=(2, 2))

 

        self.flat = nn.Flatten()

 

        self.fc3 = nn.Linear(8192, 512)

        self.act3 = nn.ReLU()

        self.drop3 = nn.Dropout(0.5)

 

        self.fc4 = nn.Linear(512, 10)

 

    def forward(self, x):

        # input 3x32x32, output 32x32x32

        x = self.act1(self.conv1(x))

        x = self.drop1(x)

        # input 32x32x32, output 32x32x32

        x = self.act2(self.conv2(x))

        # input 32x32x32, output 32x16x16

        x = self.pool2(x)

        # input 32x16x16, output 8192

        x = self.flat(x)

        # input 8192, output 512

        x = self.act3(self.fc3(x))

        x = self.drop3(x)

        # input 512, output 10

        x = self.fc4(x)

        return x

我们现在将初始化我们的模型，设置损失函数和优化器。

model = CNNModel()

loss_fn = nn.CrossEntropyLoss()

optimizer = optim.SGD(model.parameters(), lr=0.001, momentum=0.9)

在训练阶段，我们将训练模型 10 个 epoch。

1. 我们使用模型的前向函数进行正向传递，然后使用损失函数进行向后传递，最后更新权重。此步骤在所有类型的神经网络模型中几乎相似。
2. 之后，我们使用测试数据加载器在每个纪元结束时评估模型性能。
3. 计算模型的准确性并打印结果。

n_epochs = 10

for epoch in range(n_epochs):

    for i, (images, labels) in enumerate(trainloader):

        # Forward pass 

        outputs = model(images)

        loss = loss_fn(outputs, labels)



        # Backward pass and optimize

        optimizer.zero_grad()

        loss.backward()

        optimizer.step()

    correct = 0

    total = 0

    with torch.no_grad():

        for images, labels in testloader:

            outputs = model(images)

            _, predicted = torch.max(outputs.data, 1)

            total += labels.size(0)

            correct += (predicted == labels).sum().item()



    print('Epoch %d: Accuracy: %d %%' % (epoch,(100 * correct / total)))

我们的简单模型已经达到了57%的准确率，这很糟糕。但是，你可以通过添加更多层、运行更多纪元和超参数优化来提高模型性能。

Epoch 0: Accuracy: 41 %

Epoch 1: Accuracy: 46 %

Epoch 2: Accuracy: 48 %

Epoch 3: Accuracy: 50 %

Epoch 4: Accuracy: 52 %

Epoch 5: Accuracy: 53 %

Epoch 6: Accuracy: 53 %

Epoch 7: Accuracy: 56 %

Epoch 8: Accuracy: 56 %

Epoch 9: Accuracy: 57 %

使用 PyTorch，你不必从头开始创建卷积神经网络的所有组件，因为它们已经可用。如果你使用'torch.nn.Sequential'，它会变得更简单。PyTorch 被设计为模块化的，在构建、训练和评估神经网络方面提供了更大的灵活性。

结论

在这篇文章中，我们探讨了如何使用 PyTorch 构建和训练用于图像分类的卷积神经网络。我们介绍了 CNN 架构的核心组件-用于特征提取的卷积层、用于下采样的池化层以及用于预测的全连接层。