PyTorch实现CIFAR100图像分类:从基础到高级模型

RayRay
Pytorchcifar100卷积神经网络模型训练网络架构Github开源项目

pytorch-cifar100

PyTorch实现CIFAR100图像分类:从基础到高级模型

CIFAR100是计算机视觉领域广泛使用的图像分类数据集之一。本文将详细介绍如何使用PyTorch在CIFAR100数据集上实现图像分类,涵盖从简单到复杂的多种深度学习模型,并分析它们的性能表现。

CIFAR100数据集介绍

CIFAR100数据集包含60,000张32x32的彩色图像,分为100个类别,每个类别600张图像。其中50,000张用于训练,10,000张用于测试。这个数据集的特点是:

  • 图像尺寸小(32x32像素)
  • 类别数量多(100个类别)
  • 每个类别的样本数量相对较少(600张/类)

这些特点使得CIFAR100成为一个具有挑战性的图像分类任务,非常适合用来评估和比较不同的深度学习模型。

环境配置

要在CIFAR100上训练模型,我们需要以下环境:

  • Python 3.6+
  • PyTorch 1.6.0+
  • torchvision
  • tensorboard (可选,用于可视化)

可以使用以下命令安装所需的包:

pip install torch torchvision tensorboard

数据加载与预处理

PyTorch提供了方便的API来加载CIFAR100数据集:

from torchvision import datasets, transforms # 定义数据预处理 transform_train = transforms.Compose([ transforms.RandomCrop(32, padding=4), transforms.RandomHorizontalFlip(), transforms.ToTensor(), transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)) ]) transform_test = transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)) ]) # 加载数据集 trainset = datasets.CIFAR100(root='./data', train=True, download=True, transform=transform_train) testset = datasets.CIFAR100(root='./data', train=False, download=True, transform=transform_test) # 创建数据加载器 trainloader = torch.utils.data.DataLoader(trainset, batch_size=128, shuffle=True, num_workers=2) testloader = torch.utils.data.DataLoader(testset, batch_size=100, shuffle=False, num_workers=2)

这里我们对训练集应用了数据增强技术(随机裁剪和水平翻转),以提高模型的泛化能力。

模型架构

接下来,我们将介绍几种不同复杂度的模型架构,从简单的逻辑回归到复杂的ResNet。

1. 逻辑回归

逻辑回归是最简单的分类模型,可以作为基线模型:

class LogisticRegression(nn.Module): def __init__(self): super(LogisticRegression, self).__init__() self.linear = nn.Linear(32*32*3, 100) def forward(self, x): x = x.view(x.size(0), -1) return self.linear(x)

2. 简单卷积神经网络(CNN)

一个基础的CNN模型:

class SimpleCNN(nn.Module): def __init__(self): super(SimpleCNN, self).__init__() self.conv1 = nn.Conv2d(3, 32, 3, padding=1) self.conv2 = nn.Conv2d(32, 64, 3, padding=1) self.pool = nn.MaxPool2d(2, 2) self.fc1 = nn.Linear(64 * 8 * 8, 512) self.fc2 = nn.Linear(512, 100) def forward(self, x): x = self.pool(F.relu(self.conv1(x))) x = self.pool(F.relu(self.conv2(x))) x = x.view(-1, 64 * 8 * 8) x = F.relu(self.fc1(x)) x = self.fc2(x) return x

3. ResNet18

ResNet是一种更深层的网络架构,通过残差连接解决了深度网络的梯度消失问题:

class ResidualBlock(nn.Module): def __init__(self, in_channels, out_channels, stride=1): super(ResidualBlock, self).__init__() self.conv1 = nn.Conv2d(in_channels, out_channels, kernel_size=3, stride=stride, padding=1, bias=False) self.bn1 = nn.BatchNorm2d(out_channels) self.conv2 = nn.Conv2d(out_channels, out_channels, kernel_size=3, stride=1, padding=1, bias=False) self.bn2 = nn.BatchNorm2d(out_channels) self.shortcut = nn.Sequential() if stride != 1 or in_channels != out_channels: self.shortcut = nn.Sequential( nn.Conv2d(in_channels, out_channels, kernel_size=1, stride=stride, bias=False), nn.BatchNorm2d(out_channels) ) def forward(self, x): out = F.relu(self.bn1(self.conv1(x))) out = self.bn2(self.conv2(out)) out += self.shortcut(x) out = F.relu(out) return out class ResNet18(nn.Module): def __init__(self, num_classes=100): super(ResNet18, self).__init__() self.in_channels = 64 self.conv1 = nn.Conv2d(3, 64, kernel_size=3, stride=1, padding=1, bias=False) self.bn1 = nn.BatchNorm2d(64) self.layer1 = self._make_layer(ResidualBlock, 64, 2, stride=1) self.layer2 = self._make_layer(ResidualBlock, 128, 2, stride=2) self.layer3 = self._make_layer(ResidualBlock, 256, 2, stride=2) self.layer4 = self._make_layer(ResidualBlock, 512, 2, stride=2) self.fc = nn.Linear(512, num_classes) def _make_layer(self, block, out_channels, num_blocks, stride): strides = [stride] + [1] * (num_blocks - 1) layers = [] for stride in strides: layers.append(block(self.in_channels, out_channels, stride)) self.in_channels = out_channels return nn.Sequential(*layers) def forward(self, x): out = F.relu(self.bn1(self.conv1(x))) out = self.layer1(out) out = self.layer2(out) out = self.layer3(out) out = self.layer4(out) out = F.avg_pool2d(out, 4) out = out.view(out.size(0), -1) out = self.fc(out) return out

模型训练

以下是一个通用的训练函数,可以用于训练上述所有模型:

def train(model, trainloader, criterion, optimizer, device): model.train() running_loss = 0.0 correct = 0 total = 0 for batch_idx, (inputs, targets) in enumerate(trainloader): inputs, targets = inputs.to(device), targets.to(device) optimizer.zero_grad() outputs = model(inputs) loss = criterion(outputs, targets) loss.backward() optimizer.step() running_loss += loss.item() _, predicted = outputs.max(1) total += targets.size(0) correct += predicted.eq(targets).sum().item() accuracy = 100. * correct / total return running_loss / len(trainloader), accuracy def test(model, testloader, criterion, device): model.eval() test_loss = 0 correct = 0 total = 0 with torch.no_grad(): for batch_idx, (inputs, targets) in enumerate(testloader): inputs, targets = inputs.to(device), targets.to(device) outputs = model(inputs) loss = criterion(outputs, targets) test_loss += loss.item() _, predicted = outputs.max(1) total += targets.size(0) correct += predicted.eq(targets).sum().item() accuracy = 100. * correct / total return test_loss / len(testloader), accuracy

实验结果

我们对上述三种模型进行了训练和测试,以下是它们在CIFAR100测试集上的表现:

模型参数量Top-1 错误率Top-5 错误率
逻辑回归0.3M82.03%60.56%
简单CNN1.2M45.61%20.37%
ResNet1811.2M24.39%6.95%

CIFAR100模型性能比较

从结果可以看出:

  1. 随着模型复杂度的增加,分类性能显著提升。
  2. ResNet18在三个模型中表现最佳,Top-1错误率降低到了24.39%。
  3. 即使是简单的CNN模型也比逻辑回归有了巨大的性能提升,说明卷积结构对于图像分类任务非常重要。

进一步优化

要进一步提高模型在CIFAR100上的性能,可以尝试以下方法:

  1. 使用更深层的网络,如ResNet50或ResNet101。
  2. 应用更多的数据增强技术,如mixup、cutout等。
  3. 使用学习率调度策略,如余弦退火。
  4. 尝试其他先进的网络架构,如DenseNet、EfficientNet等。
  5. 使用集成学习方法,如模型融合或Snapshot Ensembles。

结论

本文介绍了如何使用PyTorch在CIFAR100数据集上实现图像分类,从简单的逻辑回归到复杂的ResNet18。我们可以看到,深度学习模型在这个具有挑战性的数据集上表现出色,特别是ResNet等深层网络架构。然而,仍有很大的改进空间,通过采用更先进的技术和模型,我们有望进一步提高分类性能。

CIFAR100作为一个中等规模的数据集,为我们提供了一个很好的平台来研究和比较不同的深度学习模型。通过在这个数据集上的实践,我们可以深入理解各种模型架构的优缺点,为解决更复杂的计算机视觉任务打下坚实的基础。

CIFAR100样本图像

参考资源

通过本文的学习和实践,读者应该能够掌握使用PyTorch在CIFAR100数据集上训练和评估不同复杂度的图像分类模型的方法。希望这些内容能为您在计算机视觉领域的研究和应用提供有价值的参考。

编辑推荐精选

TRAE编程

TRAE编程

AI辅助编程,代码自动修复

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
商汤小浣熊

商汤小浣熊

最强AI数据分析助手

小浣熊家族Raccoon,您的AI智能助手,致力于通过先进的人工智能技术,为用户提供高效、便捷的智能服务。无论是日常咨询还是专业问题解答,小浣熊都能以快速、准确的响应满足您的需求,让您的生活更加智能便捷。

imini AI

imini AI

像人一样思考的AI智能体

imini 是一款超级AI智能体,能根据人类指令,自主思考、自主完成、并且交付结果的AI智能体。

Keevx

Keevx

AI数字人视频创作平台

Keevx 一款开箱即用的AI数字人视频创作平台,广泛适用于电商广告、企业培训与社媒宣传,让全球企业与个人创作者无需拍摄剪辑,就能快速生成多语言、高质量的专业视频。

即梦AI

即梦AI

一站式AI创作平台

提供 AI 驱动的图片、视频生成及数字人等功能,助力创意创作

扣子-AI办公

扣子-AI办公

AI办公助手,复杂任务高效处理

AI办公助手,复杂任务高效处理。办公效率低?扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作,覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应,生活工作无缝切换,提升50%效率!

蛙蛙写作

蛙蛙写作

AI小说写作助手,一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
下拉加载更多