🔍 開始你的圖像分類之旅：一步一步學習 CIFAR-10 分類

圖像分類是計算機視覺中最基礎的任務之一，如果你是初學者，那么以 CIFAR-10 為訓練場是一個不錯的選擇。本文一步一步帶你從零開始，學習如何用深度學習模型實現圖像分類。

---

一、CIFAR-10 數據集是什么？

CIFAR-10 是一個小型圖像分類數據集，共包括 10 個類別：? 飛機（airplane）🚗 汽車（automobile）🐦 鳥（bird）🐱 貓（cat）🦌 鹿（deer）🐶 狗（dog）🐸 青蛙（frog）🐴 馬（horse）🚢 船（ship）🚚 卡車（truck）

每張圖片都是 32x32 的小圖，有 RGB 三個顏色通道。

總共有 60000 張圖，其中:

• 訓練集: 50000 張
• 測試集: 10000 張

這些圖片內容豐富，分辨率低，適合初學者練手。

---

二、模型訓練的整體流程

我們用以下流程完成圖像分類：

1. 數據加載和預處理
2. 構建模型（CNN）
3. 設置損失函數和優化器
4. 訓練模型（前向 + 反向傳播 + 更新參數）
5. 測試模型效果

🧠 類比理解： 把整個過程比作“學會識別水果”：

• 數據加載：收集不同水果的照片
• 模型：像是大腦處理這些圖像的神經元網絡
• 損失函數：告訴我們判斷錯誤的嚴重程度
• 優化器：幫助我們不斷修正錯誤，直到準確

---

三、數據加載和預處理

我們使用 PyTorch 中的 transforms 來將圖片：

• 轉換成 Tensor（張量）
• 正則化顏色值到 -1~1 之間，加快模型收斂

import torch
import torchvision
import torchvision.transforms as transforms# 定義圖像轉換操作：將圖片轉換為 Tensor，并進行標準化
transform = transforms.Compose([transforms.ToTensor(),  # 將圖片轉為 Tensor 類型，方便計算transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))  # 將圖片標準化，均值和標準差都設為0.5
])# 加載 CIFAR-10 訓練數據集
trainset = torchvision.datasets.CIFAR10(root='./data', train=True,download=True, transform=transform)
# 使用 DataLoader 進行批量加載數據，batch_size 是每次加載的圖片數量
trainloader = torch.utils.data.DataLoader(trainset, batch_size=64,shuffle=True)  # shuffle=True 表示打亂數據# 加載 CIFAR-10 測試數據集
testset = torchvision.datasets.CIFAR10(root='./data', train=False,download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=64,shuffle=False)  # 測試集不需要打亂數據

🎓 例子解釋：

• 如果 batch_size=64，就意味著每次訓練取 64 張圖片
• shuffle=True 可以打亂圖片順序，防止模型記住順序而不是學習特征

🍎 通俗類比：

• ToTensor 就像是把一張照片轉成表格（數字表示顏色）
• Normalize 就像是統一標準，把所有顏色亮度調成統一區間，好比較

---

四、構建 CNN 模型

CNN（卷積神經網絡）特別適合處理圖像。我們構建一個簡單 CNN 模型，包含：

• 兩個卷積層 + ReLU 激活
• 兩個最大池化層（縮小圖片尺寸）
• 一個全連接隱藏層 + 一個輸出層（10類）

import torch.nn as nn
import torch.nn.functional as F# 定義簡單的卷積神經網絡
class SimpleCNN(nn.Module):def __init__(self):super().__init__()# 第一層卷積層，輸入通道為3（RGB圖像），輸出通道為32，卷積核大小為3x3，padding=1 保證輸出尺寸不變self.conv1 = nn.Conv2d(3, 32, 3, padding=1)# 最大池化層：2x2池化，用來減少圖像尺寸self.pool = nn.MaxPool2d(2, 2)# 第二層卷積層，輸入通道為32，輸出通道為64self.conv2 = nn.Conv2d(32, 64, 3, padding=1)# 全連接層：將卷積層輸出展平為一維向量，連接到一個128維的隱藏層self.fc1 = nn.Linear(64 * 8 * 8, 128)  # CIFAR-10圖像尺寸32x32，經過兩次池化后尺寸為8x8# 輸出層：10類，CIFAR-10數據集包含10個類別self.fc2 = nn.Linear(128, 10)def forward(self, x):# 第一層卷積 + ReLU 激活 + 池化x = self.pool(F.relu(self.conv1(x)))# 第二層卷積 + ReLU 激活 + 池化x = self.pool(F.relu(self.conv2(x)))# 展平特征圖為一維向量，便于輸入全連接層x = x.view(-1, 64 * 8 * 8)# 全連接層 + ReLU 激活x = F.relu(self.fc1(x))# 輸出層，返回每個類別的預測概率x = self.fc2(x)return x

📷 類比：

• 卷積操作就像“掃描照片”的濾鏡，用來提取邊緣、顏色塊等圖像特征
• 最大池化像是“縮略圖”，保留最顯著的特征，減少計算量

---

五、設置損失函數和優化器

import torch.optim as optim# 初始化模型并將其放到 GPU 或 CPU 上
model = SimpleCNN()
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model.to(device)# 損失函數：交叉熵損失函數，用于多分類問題
criterion = nn.CrossEntropyLoss()# 優化器：Adam 優化器，適用于大部分情況，學習率設置為0.001
optimizer = optim.Adam(model.parameters(), lr=0.001)

🧠 例子類比：

• 損失函數就像考試成績：越高說明你錯越多
• 優化器就像“老師指出你的錯誤”并教你怎么改正

📘 數值示例：

• 如果模型預測飛機的概率是 [0.1, 0.05, …, 0.7]（第10類）
• 但真實標簽是第1類（飛機），交叉熵損失會很大
• 優化器就會調整參數，使下一次飛機的概率盡量靠近第1類

---

六、訓練模型：前向、反向、更新

# 訓練過程：迭代多個 epoch，每個 epoch 會遍歷所有訓練數據
for epoch in range(10):  # 總共訓練 10 個 epochrunning_loss = 0.0  # 每個 epoch 初始化損失值為 0for inputs, labels in trainloader:  # 遍歷每個 batchinputs, labels = inputs.to(device), labels.to(device)  # 將數據移到 GPU 或 CPUoptimizer.zero_grad()  # 清除上一次的梯度outputs = model(inputs)  # 前向傳播，得到每張圖片的預測結果loss = criterion(outputs, labels)  # 計算損失值loss.backward()  # 反向傳播，計算梯度optimizer.step()  # 更新模型參數running_loss += loss.item()  # 累加損失值print(f"Epoch {epoch + 1}, Loss: {running_loss:.3f}")  # 打印當前 epoch 的損失

📐 具體數值例子：

• 模型初始權重是 0.3，預測錯誤 → loss = 2.5
• 反向傳播算出權重梯度是 -0.8
• 學習率為 0.01，更新后權重 = 0.3 - 0.01 × (-0.8) = 0.308

---

七、測試模型效果

correct = 0  # 初始化正確預測的個數
total = 0  # 初始化總預測的個數
model.eval()  # 設置模型為評估模式，關閉 Dropout 等訓練時的特殊操作with torch.no_grad():  # 在測試時，不需要計算梯度，減少計算量for data in testloader:  # 遍歷測試集中的數據images, labels = dataimages, labels = images.to(device), labels.to(device)  # 將數據移到 GPU 或 CPUoutputs = model(images)  # 獲取模型的輸出_, predicted = torch.max(outputs, 1)  # 獲取預測結果，torch.max 返回最大值和其索引，這里我們只取索引total += labels.size(0)  # 累加總的測試樣本數量correct += (predicted == labels).sum().item()  # 統計預測正確的樣本數量print(f"測試準確率: {100 * correct / total:.2f}%")  # 打印測試集上的準確率

📊 例子：

• 如果 total=10000，correct=7000，準確率就是 70%

---

🏁 完整代碼快速運行包

import torch
import torchvision
import torchvision.transforms as transforms
import torch.nn as nn
import torch.optim as optim
import torch.nn.functional as F
import matplotlib.pyplot as plt  # 添加matplotlib用于可視化
from matplotlib import rcParams  # 用于設置字體# 1. 數據加載與預處理
transform = transforms.Compose([transforms.ToTensor(),  # 將圖像轉換為Tensortransforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))  # 歸一化到[-1, 1]之間
])# 加載訓練集與測試集
trainset = torchvision.datasets.CIFAR10(root='./data', train=True, download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=64, shuffle=True)testset = torchvision.datasets.CIFAR10(root='./data', train=False, download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=64, shuffle=False)# 2. 定義模型：簡單的CNN模型
class SimpleCNN(nn.Module):def __init__(self):super().__init__()# 第一個卷積層：3個輸入通道，32個輸出通道，卷積核大小3x3，padding為1self.conv1 = nn.Conv2d(3, 32, 3, padding=1)# 最大池化層：2x2池化self.pool = nn.MaxPool2d(2, 2)# 第二個卷積層：32個輸入通道，64個輸出通道，卷積核大小3x3，padding為1self.conv2 = nn.Conv2d(32, 64, 3, padding=1)# 全連接層，輸入大小64x8x8，輸出128self.fc1 = nn.Linear(64 * 8 * 8, 128)# 最后一層全連接層，輸出10個類別self.fc2 = nn.Linear(128, 10)def forward(self, x):x = self.pool(F.relu(self.conv1(x)))  # 卷積+ReLU+池化x = self.pool(F.relu(self.conv2(x)))  # 卷積+ReLU+池化x = x.view(-1, 64 * 8 * 8)  # 展平數據，準備全連接x = F.relu(self.fc1(x))  # 全連接+ReLUx = self.fc2(x)  # 最后一層輸出return x# 3. 初始化模型、損失函數與優化器
model = SimpleCNN()
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")  # 判斷是否使用GPU
model.to(device)  # 將模型轉移到GPU或CPU上criterion = nn.CrossEntropyLoss()  # 使用交叉熵作為損失函數
optimizer = optim.Adam(model.parameters(), lr=0.001)  # Adam優化器，學習率為0.001# 4. 訓練模型
for epoch in range(10):  # 訓練10個epochrunning_loss = 0.0for inputs, labels in trainloader:inputs, labels = inputs.to(device), labels.to(device)  # 數據轉移到GPU或CPUoptimizer.zero_grad()  # 清除上一次的梯度outputs = model(inputs)  # 前向傳播loss = criterion(outputs, labels)  # 計算損失loss.backward()  # 反向傳播optimizer.step()  # 優化器更新參數running_loss += loss.item()  # 累加損失print(f"Epoch {epoch + 1}, Loss: {running_loss:.3f}")  # 打印每個epoch的損失# 5. 測試模型效果
correct = 0
total = 0
model.eval()  # 將模型設置為評估模式with torch.no_grad():  # 禁止計算梯度，提高效率for data in testloader:images, labels = dataimages, labels = images.to(device), labels.to(device)  # 數據轉移到GPU或CPUoutputs = model(images)_, predicted = torch.max(outputs, 1)  # 獲取最大概率的類別total += labels.size(0)  # 累加總樣本數correct += (predicted == labels).sum().item()  # 統計正確的樣本數# 可視化一個批次的預測結果plt.figure(figsize=(10, 10))for i in range(8):  # 顯示前8張圖片plt.subplot(2, 4, i + 1)plt.imshow(images[i].cpu().permute(1, 2, 0) * 0.5 + 0.5)  # 反歸一化并顯示圖片plt.title(f"Label: {labels[i].item()}\nPrediction: {predicted[i].item()}")plt.axis('off')plt.show()break  # 僅顯示一個批次# 輸出測試準確率
print(f"測試準確率: {100 * correct / total:.2f}%")

你可以將以下內容保存為 train_cifar10.py 并運行：

python train_cifar10.py

💡 不需要修改任何內容就能開始訓練和測試！有 CUDA 就用 GPU，否則自動使用 CPU。