项目名称

花朵分类任务

项目内容

提供6000张左右的102类花朵图片作为训练集，让机器学会将测试集的花朵图片正确分到102类中。

实现过程（只贴重要步骤）

导入数据库

其实当时我也并不是一下子确定用什么库，实际上我是边写边加。

import torch
import cv2
import os
import numpy as np
import torch.utils.data as data_utils

torch:基本的深度学习库。

cv2：这是我相对于原b站视频的一个自我尝试，我试图用学过的opencv知识读取本地图片。

os，numpy：python基本库，读取文件+数据处理。opencv读取图片后存取的数据类型时numpy数组。

torch.utils.data:可用Adam

数据处理（opencv）

root_dir = 'D:\\CNNTry\\flower_data\\train'
folder_dir = r"D:\CNNTry\flower_data\valid"
img_ext = ('.png', '.jpg', '.jpeg', '.bmp', '.gif')
target_size = (64,64)
num_classes = 102
batch_size = 32

确定一下数据路径，训练批次，一次的训练数量。

def get_classes(root_path):
classes = [d for d in os.listdir(root_path) if os.path.isdir(os.path.join(root_path,d))]
classes.sort()   class_to_idx = {cls_name: i for i,cls_name in enumerate(classes)}
return class_to_idx
class_to_idx = get_classes(root_dir)

给每个训练集数据贴上标签。
下一步是用opencv读取训练集，代码内容相对较多且不是重点，故不赘述。

# 随机水平翻转，数据增强
if np.random.rand() > 0.5:
img_size = cv2.flip(img_size, 1)

通过数据水平翻转，增强样本总量，同时防止过拟合。

train_loader = data_utils.DataLoader(
dataset = train_dataset,
batch_size = batch_size,
shuffle = True
)
test_loader = data_utils.DataLoader(
dataset = test_dataset,
batch_size = batch_size,
shuffle = True
)

这部分代码的作用是构建训练集和测试集的数据加载器。DataLoader是PyTorch中用于批量读取数据的工具，它可以自动按批次加载数据集，并支持打乱数据顺序等操作，方便模型训练与测试。
train_loader：用于加载训练集数据，每次按设定批次读取，并自动打乱数据顺序，避免模型学习到数据的顺序特征。
test_loader：用于加载测试集数据，批次大小与训练集保持一致，用于模型训练后的效果评估。
通过这两个加载器，模型可以在训练和测试阶段高效、有序地读取数据，是深度学习训练流程中标准的数据读取模块。

构建CNN网络

最基本的torch.nn.Module初始化我就不说了，这里简单提一下我构造的CNN结构即可。

self.conv = torch.nn.Sequential(
torch.nn.Conv2d(3,32,kernel_size=5,padding=2),
torch.nn.BatchNorm2d(32),
torch.nn.ReLU(),
torch.nn.MaxPool2d(2),

torch.nn.Conv2d(32,64,kernel_size = 5,padding = 2),
torch.nn.BatchNorm2d(64),
torch.nn.ReLU(),
torch.nn.MaxPool2d(2),

torch.nn.Conv2d(64, 128, kernel_size=3, padding=1),
torch.nn.BatchNorm2d(128),
torch.nn.ReLU(),
torch.nn.MaxPool2d(2),

torch.nn.Conv2d(128, 256, kernel_size=3, padding=1),
torch.nn.BatchNorm2d(256),
torch.nn.ReLU(),
torch.nn.MaxPool2d(2)
)
self.fc = torch.nn.Linear(256 * 4 * 4 , num_classes)

该部分构建了卷积神经网络的特征提取结构与分类器。整体结构由四组卷积模块和一个全连接层组成，用于完成图像特征学习与分类任务。
第一组卷积模块输入三通道图像，使用 32 个 5×5 卷积核提取基础特征，通过批归一化加速训练并提升稳定性，采用 ReLU 激活函数引入非线性，最后通过 2×2 最大池化下采样，缩小特征图尺寸。
第二组卷积模块将通道数提升至 64，保持相同的卷积核与填充方式，进一步提取更深层次的特征，同时通过池化操作继续压缩特征维度。
第三、四组卷积模块将通道数依次扩展到 128 和 256，使用 3×3 卷积核提取更精细的特征，在增加通道数的同时不断压缩特征图尺寸，使网络学习到更高级的语义信息。
经过四层卷积与池化后，输出 256 通道的特征图。全连接层将特征图展平为一维向量，并映射到指定的类别数量，输出最终的分类结果。

接下来就是前向传播过程。

反向传播

loss_func = torch.nn.CrossEntropyLoss()
optimizer = torch.optim.Adam(cnn.parameters(),
lr = 0.0001
)
scheduler = torch.optim.lr_scheduler.StepLR(optimizer = optimizer,
step_size = 20,
gamma = 0.8
)

这部分代码定义了模型训练所需的损失函数、优化器和学习率调整策略。

使用交叉熵损失函数作为分类任务的损失计算标准，用于衡量模型输出与真实标签之间的误差。

优化器选用 Adam 算法，以 0.0001 的初始学习率更新网络中的所有可训练参数，在保证收敛速度的同时提升训练稳定性。

同时设置学习率调度器，每经过 20 个训练轮次，将当前学习率乘以 0.8 进行衰减，使模型在训练后期能够更平稳地收敛，提升最终效果。

训练+结果展示

结果如下：

分析结果

测试机准确率和训练集准确率的差距还是挺大的。训练集准确率过高，说明有一定的过拟合；不过，鉴于102分类任务只有上千张图片，也能理解。

试图优化

通过自我查阅，询问豆包，调参尝试，我找到了一些优化方法：

# 【优化】定义全局归一化参数（ImageNet 标准均值方差，大幅提升收敛速度）
mean = np.array([0.485, 0.456, 0.406], dtype=np.float32)
std = np.array([0.229, 0.224, 0.225], dtype=np.float32)

这段代码的作用是采用深度学习中标准的图像归一化优化策略，使用 ImageNet 数据集的通用均值和标准差对输入图像进行标准化处理，以此提升模型训练效果。
在数据预处理阶段，将图像像素值按照设定的均值和标准差进行归一化，使输入数据的分布更加稳定规范。采用业界通用的固定参数而非自行计算，能够让模型在训练时更快收敛，减少数值波动带来的不稳定性，同时提升卷积神经网络的特征提取效率与最终的分类精度，是图像分类任务中常用且有效的优化手段。

# 归一化 0~1
img = img.astype(np.float32) / 255.0
# 【优化】标准归一化（必须加，训练更稳）
img = (img - mean) / std

通过进一步的标准归一化，使得数据在训练过程中更加稳定，不容易产生梯度爆炸，梯度消失等。

# 【优化】全连接层增加 Dropout 防止过拟合 + 隐藏层
self.fc = torch.nn.Sequential(
torch.nn.Flatten(),
torch.nn.Linear(256 * 4 * 4, 512),
torch.nn.BatchNorm1d(512),
torch.nn.ReLU(),
torch.nn.Dropout(0.5), # 【优化】防止过拟合
torch.nn.Linear(512, num_classes)
)

对原有全连接层进行结构优化，将单层分类结构扩展为包含隐藏层的双层网络。首先通过展平操作将卷积输出的多维特征转换为一维向量，再通过第一层全连接层将特征映射到 512 维隐藏空间，配合批量归一化和 ReLU 激活函数增强特征表达能力。在隐藏层后加入 Dropout 层，随机失活 50% 的神经元，有效降低网络神经元间的协同依赖关系，避免模型在训练过程中过度拟合训练数据。最后通过第二层全连接层输出对应类别的预测结果，在提升模型特征拟合能力的同时，保证了泛化性能。

优化后性能对比

测试时间增加许多，原测试时间约30min，新测试时间约2h20min。

结果展示：

可以看到，测试集增长了不少，这说明我的优化是成功的。

结语

CNN模型的微型实验，进一步加深了我对这种卷积神经网络结构的理解，同时也能看到CNN还是有上线的，这也吸引了我去进一步的学习Transformer架构。