使用torchvision库的datasets类加载常用的数据集或自定义数据集
图像识别是计算机视觉中的一个基础任务，它的目标是让计算机能够识别图像中的物体、场景或者概念，并将它们分配到预定义的类别中。例如，给定一张猫的图片，图像识别系统应该能够输出“猫”这个类别。
为了训练和评估图像识别系统，我们需要有大量的带有标注的图像数据集。常用的图像分类数据集有：
ImageNet：一个包含超过1400万张图片和2万多个类别的大型数据库，是目前最流行和最具挑战性的图像分类基准之一。
CIFAR-10/CIFAR-100：一个包含6万张32×32大小的彩色图片和10或100个类别的小型数据库，适合入门级和快速实验。
MNIST：一个包含7万张28×28大小的灰度手写数字图片和10个类别的经典数据库，是深度学习中最常用的测试集之一。
Fashion-MNIST：一个包含7万张28×28大小的灰度服装图片和10个类别的数据库，是MNIST数据库在时尚领域上更加复杂和现代化版本。
使用torchvision库可以方便地加载这些常用数据集或者自定义数据集。torchvision.datasets提供了一些加载数据集或者下载数据集到本地缓存文件夹（默认为./data）并返回Dataset对象（torch.utils.data.Dataset） 的函数。Dataset对象可以存储样本及其对应标签，并提供索引方式（dataset[i]）来获取第i个样本。例如，要加载CIFAR-10训练集并进行随机打乱，可以使用以下代码：
import torchvision import torchvision.transforms as transforms transform = transforms.Compose([transforms.ToTensor()]) # 定义转换函数，将PIL.Image转换为torch.Tensor trainset = torchvision.datasets.CIFAR10(root='./data', train=True, download=True, transform=transform) # 加载CIFAR-10训练集 trainloader = torch.utils.data.DataLoader(trainset, batch_size=4, shuffle=True) # 定义DataLoader对象，用于批量加载数据
使用torchvision库进行数据增强和变换，自定义自己的图像分类数据集并使用torchvision库加载它们
数据增强和变换：为了提高模型的泛化能力和数据利用率，我们通常会对图像数据进行一些随机的变换，例如裁剪、旋转、翻转、缩放、亮度调整等。这些变换可以在一定程度上模拟真实场景中的图像变化，增加模型对不同视角和光照条件下的物体识别能力。torchvision.transforms提供了一些常用的图像变换函数，可以组合成一个transform对象，并传入datasets类中作为参数。例如，要对CIFAR-10训练集进行随机水平翻转和随机裁剪，并将图像归一化到[-1, 1]范围内，可以使用以下代码：
import torchvision import torchvision.transforms as transforms transform = transforms.Compose([ transforms.RandomHorizontalFlip(), # 随机水平翻转 transforms.RandomCrop(32, padding=4), # 随机裁剪到32×32大小，并在边缘填充4个像素 transforms.ToTensor(), # 将PIL.Image转换为torch.Tensor transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)) # 将RGB三个通道的值归一化到[-1, 1]范围内 ]) trainset = torchvision.datasets.CIFAR10(root='./data', train=True, download=True, transform=transform) # 加载CIFAR-10训练集，并应用上述变换 trainloader = torch.utils.data.DataLoader(trainset, batch_size=4, shuffle=True) # 定义DataLoader对象，用于批量加载数据
自定义图像分类数据集：如果我们有自己的图像分类数据集，我们可以通过继承torch.utils.data.Dataset类来自定义一个Dataset对象，并实现__len__和__getitem__两个方法。__len__方法返回数据集中样本的数量，__getitem__方法根据给定的索引返回一个样本及其标签。例如，假设我们有一个文件夹结构如下：
my_dataset/ ├── class_0/ │ ├── image_000.jpg │ ├── image_001.jpg │ └── ... ├── class_1/ │ ├── image_000.jpg │ ├── image_001.jpg │ └── ... └── ...
其中每个子文件夹代表一个类别，每个子文件夹中包含该类别对应的图像文件。我们可以使用以下代码来自定义一个Dataset对象，并加载这个数据集：
import torch.utils.data as data from PIL import Image import os class MyDataset(data.Dataset): def __init__(self, root_dir, transform=None): self.root_dir = root_dir # 根目录路径 self.transform = transform # 变换函数 self.classes = sorted(os.listdir(root_dir)) # 类别列表（按字母顺序排序） self.class_to_idx = {c: i for i,c in enumerate(self.classes)} # 类别名到索引的映射 self.images = [] # 图片路径列表（相对于根目录） self.labels = [] # 标签列表（整数） for c in self.classes: c_dir = os.path.join(root_dir, c) # 类别子目录路径 for img_name in sorted(os.listdir(c_dir)): # 遍历每个图片文件名（按字母顺序排序） img_path = os.path.join(c,img_name) # 图片相对路径（相对于根目录） label = self.class_to_idx[c] # 图
使用torchvision库的models类加载预训练模型或自定义模型
加载预训练模型或自定义模型：torchvision.models提供了一些常用的图像分类模型，例如AlexNet、VGG、ResNet等，并且可以选择是否加载在ImageNet数据集上预训练好的权重。这些模型可以直接用于图像分类任务，也可以作为特征提取器或者微调（fine-tune）的基础。例如，要加载一个预训练好的ResNet-18模型，并冻结除最后一层外的所有参数，可以使用以下代码：
import torchvision.models as models model = models.resnet18(pretrained=True) # 加载预训练好的ResNet-18模型 for param in model.parameters(): # 遍历所有参数 param.requires_grad = False # 将参数的梯度设置为False，表示不需要更新 num_features = model.fc.in_features # 获取全连接层（fc）的输入特征数 model.fc = torch.nn.Linear(num_features, 10) # 替换全连接层为一个新的线性层，输出特征数为10（假设有10个类别）
如果我们想要自定义自己的图像分类模型，我们可以通过继承torch.nn.Module类来实现一个Module对象，并实现__init__和forward两个方法。__init__方法用于定义模型中需要的各种层和参数，forward方法用于定义前向传播过程。例如，要自定义一个简单的卷积神经网络（CNN）模型，可以使用以下代码：
import torch.nn as nn class MyCNN(nn.Module): def __init__(self): super(MyCNN, self).__init__() # 调用父类构造函数 self.conv1 = nn.Conv2d(3, 6, 5) # 定义第一个卷积层，输入通道数为3（RGB），输出通道数为6，卷积核大小为5×5 self.pool = nn.MaxPool2d(2, 2) # 定义最大池化层，池化核大小为2×2，步长为2 self.conv2 = nn.Conv2d(6, 16, 5) # 定义第二个卷积层，输入通道数为6，输出通道数为16，卷积核大小为5×5 self.fc1 = nn.Linear(16 * 5 * 5, 120) # 定义第一个全连接层，输入特征数为16×5×5（根据卷积和池化后的图像大小计算得到），输出特征数为120 self.fc2 = nn.Linear(120, 84) # 定义第二个全连接层，输入特征数为120，输出特征数为84 self.fc3 = nn.Linear(84, 10) # 定义第三个全连接层，输入特征数为84，
forward方法
forward方法用于定义前向传播过程，即如何根据输入的图像张量（Tensor）计算出输出的类别概率分布。我们可以使用定义好的各种层和参数，并结合一些激活函数（如ReLU）和归一化函数（如softmax）来实现forward方法。例如，要实现上面自定义的CNN模型的forward方法，可以使用以下代码：
import torch.nn.functional as F class MyCNN(nn.Module): def __init__(self): # 省略__init__方法的内容 ... def forward(self, x): # 定义前向传播过程，x是输入的图像张量 x = self.pool(F.relu(self.conv1(x))) # 将x通过第一个卷积层和ReLU激活函数，然后通过最大池化层 x = self.pool(F.relu(self.conv2(x))) # 将x通过第二个卷积层和ReLU激活函数，然后通过最大池化层 x = x.view(-1, 16 * 5 * 5) # 将x展平为一维向量，-1表示自动推断批量大小 x = F.relu(self.fc1(x)) # 将x通过第一个全连接层和ReLU激活函数 x = F.relu(self.fc2(x)) # 将x通过第二个全连接层和ReLU激活函数 x = self.fc3(x) # 将x通过第三个全连接层 x = F.softmax(x, dim=1) # 将x通过softmax函数，沿着第一个维度（类别维度）进行归一化，得到类别概率分布 return x # 返回输出的类别概率分布
进行模型训练和测试，使用matplotlib.pyplot库可视化结果
模型训练和测试是机器学习中的重要步骤，它们可以帮助我们评估模型的性能和泛化能力。matplotlib.pyplot是一个Python库，它可以用来绘制各种类型的图形，包括曲线图、散点图、直方图等。使用matplotlib.pyplot库可视化结果的一般步骤如下：
导入matplotlib.pyplot模块，并设置一些参数，如字体、分辨率等。
创建一个或多个图形对象（figure），并指定大小、标题等属性。
在每个图形对象中创建一个或多个子图（subplot），并指定位置、坐标轴等属性。
在每个子图中绘制数据，使用不同的函数和参数，如plot、scatter、bar等。
添加一些修饰元素，如图例（legend）、标签（label）、标题（title）等。
保存或显示图形。
例如：使用matplotlib.pyplot库绘制了一个线性回归模型的训练误差和测试误差曲线：
# 导入模块 import matplotlib.pyplot as plt import numpy as np # 设置字体和分辨率 plt.rcParams["font.sans-serif"] = ["SimHei"] plt.rcParams["axes.unicode_minus"] = False %config InlineBackend.figure_format = "retina" # 生成数据 x = np.linspace(0, 10, 100) y = 3 * x + 5 + np.random.randn(100) * 2 # 真实值 w = np.random.randn() # 随机初始化权重 b = np.random.randn() # 随机初始化偏置 # 定义损失函数 def loss(y_true, y_pred): return ((y_true - y_pred) ** 2).mean() # 定义梯度下降函数 def gradient_descent(x, y_true, w, b, lr): y_pred = w * x + b # 预测值 dw = -2 * (x * (y_true - y_pred)).mean() # 权重梯度 db = -2 * (y_true - y_pred).mean() # 偏置梯度 w = w - lr * dw # 更新权重 b = b - lr * db # 更新偏置 return w, b # 训练模型，并记录每轮的训练误差和测试误差 epochs = 20 # 训练轮数 lr = 0.01 # 学习率 train_loss_list = [] # 训练误差列表 test_loss_list = [] # 测试误差列表 for epoch in range(epochs): # 划分训练集和测试集（8:2） train_index = np.random.choice(100, size=80, replace=False) test_index = np.setdiff1d(np.arange(100), train_index) x_train, y_train = x[train_index], y[train_index] x_test, y_test = x[test_index], y[test_index] # 梯度下降更新参数，并计算训练误差和测试误差 w, b = gradient_descent(x_train, y_train, w, b, lr) train_loss = loss(y_train, w * x_train + b) test_loss = loss(y_test, w * x_test + b) # 打印结果，并将误差添加到列表中 print(f"Epoch {epoch+1}, Train Loss: {train_loss:.4f}, Test Loss: {test_loss:.4f}") train_loss_list.append(train_loss) test_loss_list.append(test_loss) # 创建一个图形对象，并设置大小为8*6英寸 plt.figure(figsize=(8,6)) # 在图形对象中创建一个子图，并设置位置为1行1列的第1个 plt.subplot(1, 1, 1) # 在子图中绘制训练误差和测试误差曲线，使用不同的颜色和标签 plt.plot(np.arange(epochs), train_loss_list, "r", label="Train Loss") plt.plot(np.arange(epochs), test_loss_list, "b", label="Test Loss") # 添加图例、坐标轴标签和标题 plt.legend() plt.xlabel("Epoch") plt.ylabel("Loss") plt.title("Linear Regression Loss Curve") # 保存或显示图形 #plt.savefig("loss_curve.png") plt.show()
运行后，可以看到如下的图形：
参考：： PyTorch官方网站
