%20(2).svg)
项目简介
本项目基于PyTorch框架开展图像分类模型的训练。功能涵盖模型的定义、训练、验证、测试以及模型参数的保存与加载等操作。训练使用CIFAR - 10数据集，该数据集有10个类别的彩色图像，为模型提供丰富素材。项目构建简单的卷积神经网络模型，结合交叉熵损失函数和随机梯度下降优化器进行训练，实现精准图像分类。
项目的主要特性和功能
- 数据加载与预处理：利用PyTorch的DataLoader模块从本地目录高效加载CIFAR10数据集，并预处理数据以符合模型输入要求。
- 模型定义：通过PyTorch的nn模块定义神经网络模型，包含多个卷积层、池化层和全连接层，具备特征提取和分类能力。
- 损失函数与优化器：采用交叉熵损失函数衡量预测结果与真实标签差异，使用随机梯度下降优化器（学习率0.01）更新模型参数。
- 训练循环：支持多轮训练，每轮对数据批次处理，计算输出、损失值，通过反向传播更新模型参数。
- 测试集评估：每轮训练后自动评估测试集，计算整体误差和准确率，反映模型在未知数据上的性能。
- 模型保存与加载：训练中按轮次保存模型参数，方便后续训练或预测；可快速加载参数恢复模型状态。
- 可视化展示：使用Tensorboard工具可视化训练过程中的损失和准确率等信息。
- 图像格式转换：借助torchvision的transforms模块将不同格式图像转换为Tensor格式。
- GPU加速：支持使用GPU训练，通过torch.device指定训练设备提升速度。
安装使用步骤
环境准备
- 从官网（www.anaconda.com）下载并安装anaconda。
- 修改Anaconda文件夹权限，避免在C盘创建虚拟环境。
- 打开命令行工具，创建pytorch虚拟环境，Python版本不高于3.9：
powershell conda create -n pytorch python=3.8 - 激活pytorch虚拟环境：
powershell conda activate pytorch - 前往https://pytorch.org/选择相关配置，获取pytorch包的下载命令，例如：
powershell conda install pytorch torchvision torchaudio pytorch - cuda=12.1 -c pytorch -c nvidia - 测试pytorch是否安装成功：
bash python import torch torch.cuda.is_available() - 若使用Jupyter工具，在pytorch虚拟环境中安装Jupyter包和nb_conda：
powershell conda install jupyter notebook conda install nb_conda测试Jupyter是否安装成功：powershell jupyter notebook
项目运行
- 准备数据：项目自动从指定路径加载CIFAR10数据集，确保数据集路径与代码一致，若不存在会自动下载。
- 运行训练代码：在激活的pytorch虚拟环境中，进入项目代码目录，运行
train_model.py脚本开始训练：bash python train_model.py - 查看训练结果：训练中TensorBoard记录损失和准确率信息。在命令行输入以下命令启动TensorBoard：
bash tensorboard --logdir=../model_logs --port=6007然后在浏览器中打开http://localhost:6007查看可视化结果。 - 测试模型：训练结束后，运行
test.py脚本测试模型。准备测试图像，转换为合适格式，加载训练好的模型进行预测： ```python import torch from torchvision import transforms from PIL import Image from model import Model
image_path = "../imgs/ship.png" image = Image.open(image_path).convert("RGB") transform = transforms.Compose([transforms.Resize([32, 32]), transforms.ToTensor()]) image = transform(image) image = torch.reshape(image, [1, 3, 32, 32])
model = Model() model.load_state_dict(torch.load("model_30.pth"))
model.eval() with torch.no_grad(): out = model(image) print(out.argmax(1).item()) ```
Conda常见命令
- 查看虚拟环境：
powershell conda info --env - 删除虚拟环境：
powershell conda remove -n env_name --all - 更新conda命令：
powershell conda update -n base -c defaults conda - 查看源：
powershell conda config --show - sources
下载地址
点击下载 【提取码: 4003】【解压密码: www.makuang.net】