卷积神经网络模型识别图片

一、引言

1、什么是卷积神经网络？

卷积神经网络（Convolutional Neural Network，简称CNN）是一种特殊的神经网络，其结构基于输入数据为图像的假设，主要由卷积层、池化（Pooling）层和全连接层构成。卷积层负责在原始图像上平移以提取特征，激活层增加非线性分割能力；池化层通过稀疏特征参数降低网络的复杂度；最后全连接层用于损失计算与分类。相比常规神经网络，卷积神经网络在前向传播函数实现上更高效，且大幅度降低了网络中参数的数量。

卷积神经网络结构图：（解释下面代码中的卷积神经网络（CNN）模型）

2、建立模型所需库

from torch.utils.data import Dataset, DataLoader
import torch
import numpy as np
from torchvision import transforms
from PIL import Image

3、建立训练模型并保存模型

详见：训练模型

详见：保存模型

二、测试模型（代码）

代码汇总：

#导入必要的库：
from torch.utils.data import Dataset, DataLoader
import torch
import numpy as np
from torchvision import transforms
from PIL import Image

#定义一个图像预处理流程，将图像调整为256x256大小，并将其转换为张量格式：
transform = transforms.Compose([
    transforms.Resize([256,256]),
    transforms.ToTensor()])

#加载图像，并对其进行预处理：
image = Image.open('img.png')#放入你想放的图片
image =transform(image)
image = image.unsqueeze(0)  # unsqueeze是PyTorch中的一个函数，用于增加tensor的维度
#检查可用的设备（CPU、CUDA或MPS），并将设备设置为第一个可用的设备：
device = "cuda" if torch.cuda.is_available() else "mps" if torch.backends.mps.is_available() else 'cpu'
print(f"Using {device} device")
#此行根据支持 CUDA 的 GPU 和 MPS 的可用性设置变量。
# 它使用 检查启用了 CUDA 的 GPU 是否可用。如果为 true，则设置为“cuda”。
# 否则，它将使用 检查 MPS 是否可用。如果为 true，则设置为“mps”。如果两个条件都为 false，则设置为“cpu”。

#定义一个卷积神经网络（CNN）模型：
from torch import nn
#此行从 PyTorch 库中导入（神经网络）模块，该模块提供了用于构建神经网络的各种类和函数。
class CNN(nn.Module):
    def __init__(self):
        super(CNN,self).__init__()#此代码定义一个名为从该类继承的类。该方法是类的构造函数，用于初始化对象。
        self.conv1 = nn.Sequential(
            nn.Conv2d(
                in_channels=3,
                out_channels=16,
                kernel_size=5,
                stride=1,
                padding=2,
            ),#一个 2D 卷积层，它接受具有 星火模型 个通道的输入，产生 16 个输出通道，使用内核大小为 5x5、步幅为 星火模型 和填充为 2。
            nn.ReLU(),#应用逐元素整流线性单元 （ReLU） 激活的激活函数。
            nn.MaxPool2d(kernel_size=2),#最大池化层，以 2 的步幅执行 2x2 池化操作。
        )#此代码定义了第一个卷积层。它是用于按顺序堆叠多个图层创建的。
        self.conv2 = nn.Sequential(
            nn.Conv2d(16,32,5,1,2),
            nn.ReLU(),
            nn.Conv2d(32,32,5,1,2),
            nn.ReLU(),
            nn.MaxPool2d(2),
        )#此代码定义了第二个卷积层。它遵循与输入和输出通道大小相似的结构，但具有不同的输入和输出通道大小。

        self.conv3 = nn.Sequential(
            nn.Conv2d(32, 64, 5, 1, 2),
            nn.ReLU(),
        )
        self.out=nn.Linear(64*64*64,20)
        #这一行定义了输出层，它是一个全连接（线性）层。它接受前面卷积层的平坦化输入（32 * 7 * 7）并生成一个大小为10的输出，与分类任务中的类别数匹配。
    def forward(self,x):
        #forward方法定义了模型的前向传播。它指定了输入x如何流经网络的不同层
        x=self.conv1(x)
        x = self.conv2(x)
        x = self.conv3(x)
        x=x.view(x.size(0),-1)
        #在这种情况下，输入x通过conv1和conv2，然后通过展平操作（view）将输出展平。
        x=self.out(x)
        # 最后，展平后的张量被送入输出层（self.out），并返回结果。
        return x
#创建一个模型实例，并将其移动到指定的设备上：
model=CNN().to(device)
# print(model)
#从磁盘加载预训练的模型参数：
model=torch.load('best.pt')
#将模型设置为评估模式（这很重要，因为它会关闭如dropout等只在训练时使用的层）：
model.eval()
#创建一个数据加载器，用于在预测过程中迭代图像：
test_dataloader=DataLoader(image,batch_size=1,shuffle=True)
#在数据加载器中迭代图像，将图像移动到指定的设备上，并使用模型进行预测：
for X in test_dataloader:
    X=X.to(device)
    pred=model.forward(X)
    print(pred)
    print((pred.argmax(1).tolist())[0])
#解释```python`print((pred.argmax(1).tolist())[0])`这行代码的作用是将模型的输出（一个概率分布）转换为预测的类别标签。首先，`argmax(1)`函数找到概率分布中最大值的索引（即最有可能的类别），然后`tolist()`函数将索引转换为Python列表，最后`[0]`取出列表中的第一个元素（因为我们只有一个图像，所以列表只有一个元素）。

代码结果：

        输出预测输入图片对应的标签