P2：CIFAR10彩色图片识别

• 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
• 🍖 原作者：K同学啊

前言
CIFAR-10数据集是深度学习领域的经典基准任务之一，包含10个类别的6万张32×32彩色图像。作为计算机视觉的入门实验，CIFAR-10分类任务能够帮助我们从零开始理解卷积神经网络（CNN）的核心原理，掌握数据预处理、网络构建、训练优化等全流程技术。
本实验旨在通过手动推导卷积层与池化层的计算过程，深入理解CNN的特征提取机制，并实践如何从理论过渡到代码实现。通过构建一个完整的CNN模型，我们将熟悉PyTorch框架的使用，为后续复杂视觉任务奠定基础。

实验概述

一、实验目标

1.掌握CIFAR-10数据集的加载、可视化与预处理方法。
2.使用深度学习框架PyTorch构建CNN模型，实现端到端训练与测试。
3.手动推导卷积层、池化层的数学计算过程（如输出尺寸、参数量）。

二、卷积层、池化层的计算

下面的网络数据shape变化过程为：
3, 32, 32（输入数据）
-> 64, 30, 30（经过卷积层1）-> 64, 15, 15（经过池化层1）
-> 64, 13, 13（经过卷积层2）-> 64, 6, 6（经过池化层2）
-> 128, 4, 4（经过卷积层3） -> 128, 2, 2（经过池化层3）
-> 512 -> 256 -> num_classes(10)
手动计算过程：

三、我的环境：

● 语言环境：Python3.8
● 编译器：jupyter notebook
● 深度学习环境：Pytorch

四、构建简单的CNN网络

对于一般的CNN网络来说，都是由特征提取网络和分类网络构成，其中特征提取网络用于提取图片的特征，分类网络用于将图片进行分类。

函数：

1.torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode=‘zeros’, device=None, dtype=None)

关键参数说明：
● in_channels ( int ) – 输入图像中的通道数
● out_channels ( int ) – 卷积产生的通道数
● kernel_size ( int or tuple ) – 卷积核的大小
● stride ( int or tuple , optional ) – 卷积的步幅。默认值：1
● padding ( int , tuple或str , optional ) – 添加到输入的所有四个边的填充。默认值：0
● dilation (int or tuple, optional) - 扩张操作：控制kernel点（卷积核点）的间距，默认值:1。
● groups（int，可选）：将输入通道分组成多个子组，每个子组使用一组卷积核来处理。默认值为 1，表示不进行分组卷积。
● padding_mode (字符串,可选) – ‘zeros’, ‘reflect’, ‘replicate’或’circular’. 默认：‘zeros’

2.torch.nn.Linear(in_features, out_features, bias=True, device=None, dtype=None)

关键参数说明：
● in_features：每个输入样本的大小
● out_features：每个输出样本的大小

torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)

关键参数说明：
● kernel_size：最大的窗口大小
● stride：窗口的步幅，默认值为kernel_size
● padding：填充值，默认为0
● dilation：控制窗口中元素步幅的参数

代码实现

一、前期准备

1.设置GPU

2.导入数据

使用dataset下载CIFAR10数据集，并划分好训练集与测试集
使用dataloader加载数据，并设置好基本的batch_size

3.数据可视化

transpose((C, H, W))详解：
● 作用是对NumPy数组进行轴变换，transpose函数的参数是一个元组，定义了新轴的顺序。原始PyTorch张量通常是以(C, H, W)的格式存储的，其中：
○ C是通道数。
○ H是图像的高度。
○ W是图像的宽度。

二、模型构建

构建简单的CNN网络
网络分为两部分：
特征提取网络：交替使用卷积层和池化层。
分类网络：全连接层进行分类。

三、训练模型

1.设置超参数

2.编写训练函数

optimizer.zero_grad()
函数会遍历模型的所有参数，通过内置方法截断反向传播的梯度流，再将每个参数的梯度值设为0，即上一次的梯度记录被清空。

loss.backward()
PyTorch的反向传播(即tensor.backward())是通过autograd包来实现的，autograd包会根据tensor进行过的数学运算来自动计算其对应的梯度。

optimizer.step()
step()函数的作用是执行一次优化步骤，通过梯度下降法来更新参数的值。因为梯度下降是基于梯度的，所以在执行optimizer.step()函数前应先执行loss.backward()函数来计算梯度。

注意：optimizer只负责通过梯度下降进行优化，而不负责产生梯度，梯度是tensor.backward()方法产生的。

3.编写测试函数

测试函数和训练函数大致相同，但是由于不进行梯度下降对网络权重进行更新，所以不需要传入优化器

4.正式训练

四、结果可视化