1.灰度圖像

作為圖像數據，相較于結構化數據（表格數據）他的特點在于他每個樣本的的形狀并不是(特征數，)，而是(寬，高，通道數)

# 先繼續之前的代碼
import torch
import torch.nn as nn
import torch.optim as optim
from torch.utils.data import DataLoader , Dataset # DataLoader 是 PyTorch 中用于加載數據的工具
from torchvision import datasets, transforms # torchvision 是一個用于計算機視覺的庫，datasets 和 transforms 是其中的模塊
import matplotlib.pyplot as plt
# 設置隨機種子，確保結果可復現
torch.manual_seed(42)# 1. 數據預處理，該寫法非常類似于管道pipeline
# transforms 模塊提供了一系列常用的圖像預處理操作# 先歸一化，再標準化
transform = transforms.Compose([transforms.ToTensor(),  # 轉換為張量并歸一化到[0,1]transforms.Normalize((0.1307,), (0.3081,))  # MNIST數據集的均值和標準差，這個值很出名，所以直接使用
])
import matplotlib.pyplot as plt# 2. 加載MNIST數據集，如果沒有會自動下載
train_dataset = datasets.MNIST(root='./data',train=True,download=True,transform=transform
)test_dataset = datasets.MNIST(root='./data',train=False,transform=transform
)
# 隨機選擇一張圖片，可以重復運行，每次都會隨機選擇
sample_idx = torch.randint(0, len(train_dataset), size=(1,)).item() # 隨機選擇一張圖片的索引
# len(train_dataset) 表示訓練集的圖片數量；size=(1,)表示返回一個索引；torch.randint() 函數用于生成一個指定范圍內的隨機數,item() 方法將張量轉換為 Python 數字
image, label = train_dataset[sample_idx] # 獲取圖片和標簽
# 可視化原始圖像（需要反歸一化）
def imshow(img):img = img * 0.3081 + 0.1307  # 反標準化npimg = img.numpy()plt.imshow(npimg[0], cmap='gray') # 顯示灰度圖像plt.show()print(f"Label: {label}")
imshow(image)
Label: 7上述是昨天的代碼，我們介紹了圖像數據的預處理，這是我們首次接觸圖像數據，他和之前的結構化數據有什么差異點呢？結構化數據（如表格）的形狀通常是 (樣本數, 特征數)，例如 (1000, 5) 表示 1000 個樣本，每個樣本有 5 個特征。圖像數據的形狀更復雜，需要保留空間信息（高度、寬度、通道），因此不能直接用一維向量表示。其中顏色信息往往是最開始輸入數據的通道的含義，因為每個顏色可以用紅綠藍三原色表示，因此一般輸入數據的通道數是 3。維度索引	含義	數值說明
0	通道數（Channels）	1 表示這是一張灰度圖（僅有一個顏色通道，如黑白照片）。
如果是彩色圖（如RGB），通道數為 3。
1	高度（Height）	28 表示圖像的垂直像素數為28像素。
2	寬度（Width）	28 表示圖像的水平像素數為28像素。
MNIST 數據集是手寫數字的 灰度圖像，每個像素點的取值范圍為 0-255（黑白程度），因此 通道數為 1。圖像尺寸統一為 28×28 像素。# 打印下圖片的形狀
image.shape
torch.Size([1, 28, 28])
1.2 彩色圖像
在 PyTorch 中，圖像數據的形狀通常遵循 (通道數, 高度, 寬度) 的格式（即 Channel First 格式），這與常見的 (高度, 寬度, 通道數)（Channel Last，如 NumPy 數組）不同。---注意順序關系，注意點：如果用matplotlib庫來畫圖，需要轉換下順序，我們后續介紹
模型輸入通常需要 批次維度（Batch Size），形狀變為 (批次大小, 通道數, 高度, 寬度)。例如，批量輸入 10 張 MNIST 圖像時，形狀為 (10, 1, 28, 28)。
# 打印一張彩色圖像，用cifar-10數據集
import torch
import torchvision
import torchvision.transforms as transforms
import matplotlib.pyplot as plt
import numpy as np# 設置隨機種子確保結果可復現
torch.manual_seed(42)
# 定義數據預處理步驟
transform = transforms.Compose([transforms.ToTensor(),  # 轉換為張量并歸一化到[0,1]transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))  # 標準化處理
])# 加載CIFAR-10訓練集
trainset = torchvision.datasets.CIFAR10(root='./data',train=True,download=True,transform=transform
)# 創建數據加載器
trainloader = torch.utils.data.DataLoader(trainset,batch_size=4,shuffle=True
)# CIFAR-10的10個類別
classes = ('plane', 'car', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck')# 隨機選擇一張圖片
sample_idx = torch.randint(0, len(trainset), size=(1,)).item()
image, label = trainset[sample_idx]# 打印圖片形狀
print(f"圖像形狀: {image.shape}")  # 輸出: torch.Size([3, 32, 32])
print(f"圖像類別: {classes[label]}")# 定義圖像顯示函數（適用于CIFAR-10彩色圖像）
def imshow(img):img = img / 2 + 0.5  # 反標準化處理，將圖像范圍從[-1,1]轉回[0,1]npimg = img.numpy()plt.imshow(np.transpose(npimg, (1, 2, 0)))  # 調整維度順序：(通道,高,寬) → (高,寬,通道)plt.axis('off')  # 關閉坐標軸顯示plt.show()# 顯示圖像
imshow(image)

2.黑白圖像模型的定義

# 先歸一化，再標準化
transform = transforms.Compose([transforms.ToTensor(),  # 轉換為張量并歸一化到[0,1]transforms.Normalize((0.1307,), (0.3081,))  # MNIST數據集的均值和標準差，這個值很出名，所以直接使用
])
import matplotlib.pyplot as plt# 2. 加載MNIST數據集，如果沒有會自動下載
train_dataset = datasets.MNIST(root='./data',train=True,download=True,transform=transform
)test_dataset = datasets.MNIST(root='./data',train=False,transform=transform
)
# 定義兩層MLP神經網絡
class MLP(nn.Module):def __init__(self):super(MLP, self).__init__()self.flatten = nn.Flatten()  # 將28x28的圖像展平為784維向量self.layer1 = nn.Linear(784, 128)  # 第一層：784個輸入，128個神經元self.relu = nn.ReLU()  # 激活函數self.layer2 = nn.Linear(128, 10)  # 第二層：128個輸入，10個輸出（對應10個數字類別）def forward(self, x):x = self.flatten(x)  # 展平圖像x = self.layer1(x)   # 第一層線性變換x = self.relu(x)     # 應用ReLU激活函數x = self.layer2(x)   # 第二層線性變換，輸出logitsreturn x# 初始化模型
model = MLP()device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model = model.to(device)  # 將模型移至GPU（如果可用）from torchsummary import summary  # 導入torchsummary庫
print("\n模型結構信息：")
summary(model, input_size=(1, 28, 28))  # 輸入尺寸為MNIST圖像尺寸模型結構信息：
----------------------------------------------------------------Layer (type)               Output Shape         Param #
================================================================Flatten-1                  [-1, 784]               0Linear-2                  [-1, 128]         100,480ReLU-3                  [-1, 128]               0Linear-4                   [-1, 10]           1,290
================================================================
Total params: 101,770
Trainable params: 101,770
Non-trainable params: 0
----------------------------------------------------------------
Input size (MB): 0.00
Forward/backward pass size (MB): 0.01
Params size (MB): 0.39
Estimated Total Size (MB): 0.40

@浙大疏錦行