本文將通過代碼實戰，詳細講解如何使用?PyTorch?和?VGG11?模型在?Fashion-MNIST?數據集上進行圖像分類任務。代碼包含數據預處理、模型定義、訓練與評估全流程，并附上訓練結果的可視化圖表。所有代碼可直接復現，適合深度學習初學者和進階開發者參考。

---

1. 環境準備

確保已安裝以下庫：

pip install torch torchvision d2l

2. 代碼實現

2.1 導入依賴庫

from d2l import torch as d2l
from torchvision import models, transforms
import torch

2.2 數據預處理

由于VGG11默認接受RGB三通道輸入，需將Fashion-MNIST的灰度圖轉換為3通道：

# 定義數據預處理流程
transform = transforms.Compose([transforms.Resize(224),                # 調整圖像尺寸為224x224transforms.Grayscale(num_output_channels=3),  # 單通道轉三通道transforms.ToTensor()                   # 轉為Tensor格式
])

2.3 加載數據集

# 加載Fashion-MNIST數據集并應用預處理
batch_size = 64 * 3  # 增大批大小以利用GPU并行計算
train_data, test_data = d2l.load_data_fashion_mnist(batch_size, resize=224)# 替換原始數據集的數據增強方法
train_data.dataset.transform = transform
test_data.dataset.transform = transform

2.4 定義模型

使用PyTorch內置的VGG11模型（從頭訓練，不使用預訓練權重）：

# 初始化VGG11模型（輸入通道為3，輸出類別為10）
net = models.vgg11(pretrained=False, num_classes=10)

2.5 模型訓練

調用D2L庫的封裝函數進行訓練（支持GPU加速）：

# 設置超參數并啟動訓練
num_epochs = 10
lr = 0.01
device = d2l.try_gpu()  # 自動檢測GPU# 開始訓練
d2l.train_ch6(net, train_data, test_data, num_epochs, lr, device)

3. 訓練結果分析

下圖為訓練過程中的損失和準確率變化曲線：

關鍵指標

Epoch	Train Loss	Train Acc	Test Acc	Speed (examples/sec)
1	0.85	70.2%	78.5%	112.3
3	0.312	88.6%	88.1%	117.7
5	0.32	87.6%	84.3%	118.5
10	0.21	91.8%	85.7%	119.0

• 訓練損失（Train Loss）：隨著訓練輪次增加，損失快速下降并趨于穩定。例如，第3輪時損失降至?0.312，表明模型快速收斂。

• 訓練準確率（Train Acc）：第3輪時達到?88.6%，說明模型對訓練數據的學習效果顯著。

• 測試準確率（Test Acc）：第3輪測試準確率?88.1%，與訓練準確率接近，表明模型泛化能力優秀，未出現明顯過擬合。

• 訓練速度：在?cuda:0?設備上達到?117.7 examples/sec，充分利用GPU加速，適合大規模數據訓練。

4. 完整代碼?

from d2l import torch as d2l
from torchvision import models, transforms
import torch# 數據預處理
transform = transforms.Compose([transforms.Resize(224),transforms.Grayscale(num_output_channels=3),transforms.ToTensor()
])# 加載數據集
batch_size = 64 * 3
train_data, test_data = d2l.load_data_fashion_mnist(batch_size, resize=224)
train_data.dataset.transform = transform
test_data.dataset.transform = transform# 定義模型
net = models.vgg11(pretrained=False, num_classes=10)# 訓練配置
num_epochs = 10
lr = 0.01
device = d2l.try_gpu()# 啟動訓練
d2l.train_ch6(net, train_data, test_data, num_epochs, lr, device)

5. 常見問題

Q1：為什么將灰度圖轉為三通道？

VGG系列模型設計時默認接受RGB輸入（3通道）。盡管Fashion-MNIST為單通道，需通過復制通道數適配模型。

Q2：如何進一步提升準確率？

• 增加訓練輪次（如?num_epochs=20）。

• 使用更復雜模型（如VGG16、ResNet）。

• 添加數據增強（隨機旋轉、亮度調整）。

Q3：訓練時顯存不足怎么辦？

• 減小?batch_size（如設為64）。

• 啟用混合精度訓練（添加?torch.cuda.amp）。

---

6. 總結

本文使用PyTorch實現了VGG11模型在Fashion-MNIST數據集上的分類任務，最終測試準確率達?85.7%，并在第3輪即達到?88.1%?的測試準確率，訓練速度高達?117.7 examples/sec，展現了優秀的性能與效率。通過代碼解析與結果分析，讀者可快速掌握從數據預處理到模型訓練的完整流程，并根據實際需求調整模型或超參數進一步優化性能。