目錄

一、數據增強

1. 核心概念

2. 核心目的

3. 常用方法

4. 實現示例（基于 PyTorch）

5. 自定義數據集加載

二、保存最優模型

1. 核心概念

2. 實現步驟

（1）定義 CNN 模型

（2）定義訓練與測試函數

（3）啟動訓練

3. 模型加載與使用

三、總結

---

在卷積神經網絡（CNN）的訓練過程中，數據增強和模型保存是提升性能與實用性的關鍵環節。以下結合理論與實例，詳細解析其原理及實現方式。

一、數據增強

1. 核心概念

數據增強是通過對原始訓練數據進行隨機變換（如旋轉、翻轉、調整亮度等），生成新的訓練樣本的技術。其本質是擴展數據多樣性，讓模型在訓練中接觸更多 “變體”，從而提升泛化能力（減少過擬合）。

2. 核心目的

• 模擬真實場景中的變量（如光照變化、視角差異、遮擋等）。
• 解決訓練數據不足的問題，通過 “人工擴充” 提升模型魯棒性。

3. 常用方法

4. 實現示例（基于 PyTorch）

import torch
from torchvision import transforms# 定義訓練集和驗證集的數據增強策略
data_transforms = {'train': transforms.Compose([transforms.Resize([300, 300]),  # 縮放圖像transforms.RandomRotation(45),  # 隨機旋轉（-45°~45°）transforms.CenterCrop(256),     # 中心裁剪至256x256transforms.RandomHorizontalFlip(p=0.5),  # 50%概率水平翻轉transforms.ColorJitter(brightness=0.2, contrast=0.1),  # 顏色調整transforms.ToTensor(),  # 轉換為Tensor（像素值歸一化到[0,1]）transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])  # 標準化]),'valid': transforms.Compose([transforms.Resize([256, 256]),  # 驗證集僅縮放，不做隨機增強transforms.ToTensor(),transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])])
}

5. 自定義數據集加載

通過繼承Dataset類，將增強策略應用于實際數據：

from torch.utils.data import Dataset
from PIL import Image
import numpy as npclass FoodDataset(Dataset):def __init__(self, file_path, transform=None):self.transform = transformself.imgs = []self.labels = []# 從txt文件讀取圖像路徑和標簽（格式：圖像路徑 標簽）with open(file_path, 'r') as f:for line in f.readlines():img_path, label = line.strip().split(' ')self.imgs.append(img_path)self.labels.append(int(label))def __len__(self):return len(self.imgs)def __getitem__(self, idx):# 加載圖像并應用增強image = Image.open(self.imgs[idx]).convert('RGB')if self.transform:image = self.transform(image)# 標簽轉換為Tensorlabel = torch.tensor(self.labels[idx], dtype=torch.long)return image, label# 加載訓練集和驗證集
train_dataset = FoodDataset('./train.1txt', transform=data_transforms['train'])
valid_dataset = FoodDataset('./test.1txt', transform=data_transforms['valid'])# 數據加載器（批量處理）
train_loader = torch.utils.data.DataLoader(train_dataset, batch_size=64, shuffle=True)
valid_loader = torch.utils.data.DataLoader(valid_dataset, batch_size=64, shuffle=False)

其中train.1txt文件內容為：

test.1txt文件內容：

??其中的每個文件地址都有其對應的圖片，數據量較大，訓練時間會較長，如需使用，可私信發送打包文件。

? ? ? ? 整篇文章所有代碼連接為一份完整代碼。

二、保存最優模型

1. 核心概念

訓練過程中，模型性能（如驗證集準確率）會隨迭代波動。保存最優模型指在訓練中跟蹤關鍵指標（如最高準確率），并保存對應狀態，以便后續直接使用最佳模型。

2. 實現步驟

（1）定義 CNN 模型

import torch.nn as nnclass SimpleCNN(nn.Module):def __init__(self):super(SimpleCNN, self).__init__()# 卷積層1：3通道輸入→16通道輸出，5x5卷積核self.conv1 = nn.Sequential(nn.Conv2d(3, 16, kernel_size=5, stride=1, padding=2),nn.ReLU(),nn.MaxPool2d(kernel_size=2)  # 池化后尺寸減半)# 卷積層2：16通道→32通道self.conv2 = nn.Sequential(nn.Conv2d(16, 32, kernel_size=5, stride=1, padding=2),nn.ReLU(),nn.MaxPool2d(2))# 卷積層3：32通道→128通道（無池化）self.conv3 = nn.Sequential(nn.Conv2d(32, 128, kernel_size=5, stride=1, padding=2),nn.ReLU())# 全連接層：輸入為128×64×64（經3次卷積+池化后的尺寸），輸出20類self.fc = nn.Linear(128 * 64 * 64, 20)def forward(self, x):x = self.conv1(x)  # 輸出：16×128×128x = self.conv2(x)  # 輸出：32×64×64x = self.conv3(x)  # 輸出：128×64×64x = x.view(x.size(0), -1)  # 展平為向量x = self.fc(x)return x# 初始化模型并移動到設備（GPU/CPU）
device = "cuda" if torch.cuda.is_available() else "cpu"
model = SimpleCNN().to(device)

運行結果：

（2）定義訓練與測試函數

# 損失函數與優化器
loss_fn = nn.CrossEntropyLoss()
optimizer = torch.optim.Adam(model.parameters(), lr=0.001)# 訓練函數
def train(dataloader, model, loss_fn, optimizer):model.train()  # 開啟訓練模式（啟用 dropout/batchnorm）for batch, (X, y) in enumerate(dataloader):X, y = X.to(device), y.to(device)pred = model(X)loss = loss_fn(pred, y)# 反向傳播optimizer.zero_grad()  # 清空梯度loss.backward()        # 計算梯度optimizer.step()       # 更新參數if batch % 100 == 0:print(f"Batch {batch}, Loss: {loss.item():.4f}")# 測試函數（含最優模型保存）
best_acc = 0.0  # 記錄最佳準確率def test(dataloader, model, loss_fn):global best_accmodel.eval()  # 開啟評估模式（固定 dropout/batchnorm）size = len(dataloader.dataset)num_batches = len(dataloader)test_loss, correct = 0, 0with torch.no_grad():  # 關閉梯度計算，節省內存for X, y in dataloader:X, y = X.to(device), y.to(device)pred = model(X)test_loss += loss_fn(pred, y).item()correct += (pred.argmax(1) == y).type(torch.float).sum().item()test_loss /= num_batchescorrect /= sizeprint(f"Test: Accuracy: {(100*correct):.1f}%, Avg loss: {test_loss:.4f}")# 保存最優模型（準確率提升時）if correct > best_acc:best_acc = correct# 保存完整模型（含結構和參數）torch.save(model, "best_model.pt")# 或僅保存參數（更輕量）：torch.save(model.state_dict(), "best_model.pth")

（3）啟動訓練

epochs = 150  # 訓練輪數
for t in range(epochs):print(f"\nEpoch {t+1}/{epochs}")train(train_loader, model, loss_fn, optimizer)test(valid_loader, model, loss_fn)
print("訓練完成！最優模型已保存為 best_model.pt")

3. 模型加載與使用

訓練結束后，可直接加載最優模型進行預測：

# 加載保存的模型
loaded_model = torch.load("best_model.pt").to(device)
loaded_model.eval()  # 切換至評估模式# 示例：對單張圖像預測
def predict(image_path):image = Image.open(image_path).convert('RGB')# 應用驗證集的預處理transform = data_transforms['valid']image = transform(image).unsqueeze(0).to(device)  # 增加批次維度with torch.no_grad():pred = loaded_model(image)return pred.argmax(1).item()  # 返回預測類別# 測試預測
print("預測類別：", predict("test_image.jpg"))

?訓練結束得到當前訓練的最優模型，其為pt\pth\t7文件，此時該文件即為當前模型，可直接調用該文件使用。

三、總結

• 數據增強通過模擬真實場景變化，提升模型泛化能力，需注意訓練集用隨機增強、驗證集僅做標準化。
• 保存最優模型通過跟蹤驗證集指標（如準確率），保留性能最佳的模型狀態，避免訓練后期過擬合導致的性能下降。

以上方法可直接應用于圖像分類、目標檢測等 CNN 任務，實際使用時需根據數據集特點調整增強策略和模型結構。