【pytorch】简单的一个模型做cifar10 分类（二）-构建复杂一点的模型

本文链接：https://blog.youkuaiyun.com/qq_37791134/article/details/107962376

本文介绍了使用PyTorch构建一个复杂的模型进行CIFAR10图像分类的过程。作者尝试了不同的初始化方法和学习率，并观察了训练过程中的损失变化。结果显示，初始化参数的选择和学习率对模型训练效果有显著影响。当学习率设为0.001并使用PyTorch默认初始化时，模型在测试集上的准确率为35%，但未能达到预期结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前面用的网络是pytorch官方给的一个实例网络，本文参照书本换了一个网络，如下：

代码如下：

class CNNnet(nn.Module):
    def __init__(self):
        super(CNNnet,self).__init__()
        self.conv1 = nn.Conv2d(in_channels=3, out_channels=16, kernel_size=5,stride=1)
        self.pool1 = nn.MaxPool2d(kernel_size=2, stride=2)
        self.conv2 = nn.Conv2d(in_channels=16, out_channels=36,kernel_size=3,stride=1)
        self.pool2 = nn.MaxPool2d(kernel_size=2, stride=2)
        self.fc1 = nn.Linear(1296, 128)  # 1296 = 36 * 6 *6
        self.fc2 = nn.Linear(128, 10)

    def forward(self,x):
        x =self.pool1(F.relu(self.conv1(x)))
        x =self.pool2(F.relu(self.conv2(x)))
        x = x.view(-1, 36*6*6)
        x = F.relu(self.fc2(F.relu(self.fc1(x))))
        return x
其中36*6*6怎么计算来的，c*H*W，H和W都是用如下链接给的计算方式得到的：

【pytorch】卷积层输出尺寸的计算公式和分组卷积的weight尺寸的计算https://mp.youkuaiyun.com/console/editor/html/107954603

结果如何呢？

当用了如下显示初始化方式后，结果为：

for m in net.modules():
    if isinstance(m, nn.Conv2d):
        nn.init.normal_(m.weight)
        nn.init.xavier_normal_(m.weight)
        nn.init.kaiming_normal_(m.weight) # 卷积层初始化
        nn.init.constant_(m.bias, 0)
    elif isinstance(m, nn.Linear):
        nn.init.normal_(m.weight) # 全连接层参数初始化

可以看出，其好像陷入了鞍点。其损失没有下降了，那我还是把这个显式初始化参数去掉试一下。

还真有效果，终于loss有值了，但是基本稳定在2.多，2个epoch时：

Accuracy of the network on the 10000 test images: 9 %
Accuracy of plane : 0 %
Accuracy of car : 89 %
Accuracy of bird : 0 %
Accuracy of cat : 0 %
Accuracy of deer : 0 %
Accuracy of dog : 0 %
Accuracy of frog : 4 %
Accuracy of horse : 0 %
Accuracy of ship : 0 %
Accurac