pytorch入门 - 基于AlexNet神经网络实现猫狗大战
基于之前的博客 pytorch入门 - AlexNet神经网络，并借助Kaggle 的 Dogs vs Cats Redux 数据集，实现一个基于 AlexNet 的二分类模型识别猫与狗。
完整流程涵盖数据准备、归一化、模型定义、训练增强、验证并可视化结果。
一、数据集准备与预处理
import os
import shutil
def split_data(ROOT_TRAIN):
cat_dir = os.path.join(ROOT_TRAIN, "cat")
dog_dir = os.path.join(ROOT_TRAIN, "dog")
os.makedirs(cat_dir, exist_ok=True)
os.makedirs(dog_dir, exist_ok=True)
for filename in os.listdir(ROOT_TRAIN):
if filename.startswith("cat") and filename.endswith(".jpg"):
shutil.move(os.path.join(ROOT_TRAIN, filename),
os.path.join(cat_dir, filename))
elif filename.startswith("dog") and filename.endswith(".jpg"):
shutil.move(os.path.join(ROOT_TRAIN, filename),
os.path.join(dog_dir, filename))优化原因：
分类任务需明确标签与数据的对应关系。通过创建cat/dog子目录并移动图片，可直接利用PyTorch的ImageFolder自动生成标签，避免手动标注错误。
二、数据归一化参数计算
def compute_normalization_params(dataset_path):
transform = transforms.Compose([
transforms.Resize((227, 227)),
transforms.ToTensor()
])
dataset = ImageFolder(dataset_path, transform=transform)
loader = DataLoader(dataset, batch_size=32, num_workers=4, shuffle=False)
# 计算各通道均值和标准差
mean = 0.0
std = 0.0
for data, _ in loader:
batch_samples = data.size(0)
data = data.view(batch_samples, data.size(1), -1)
mean += data.mean(2).sum(0)
std += data.std(2).sum(0)
return mean / len(dataset), std / len(dataset)关键点：
[*]输入尺寸统一：AlexNet要求固定输入尺寸227×227，需提前调整
[*]通道级归一化：对RGB三通道分别计算均值和标准差，消除光照差异影响，加速模型收敛
[*]离线计算：避免在训练时实时计算，提升数据加载效率
三、AlexNet模型针对性修改
class AlexNet(nn.Module):
def __init__(self):
super().__init__()
# 修改1：输入通道调整为3 (RGB)
self.conv1 = nn.Conv2d(3, 96, kernel_size=11, stride=4)
# ... (中间层省略)
# 修改2：输出层调整为2分类
self.fc3 = nn.Linear(4096, 2)
# 修改3：降低Dropout比例
self.dropout = nn.Dropout(0.2)# 原论文为0.5优化逻辑：
[*]输入通道适配：原始AlexNet针对ImageNet的1000类设计，此处调整为猫狗二分类，需修改输出层维度为2
[*]降低过拟合风险：
[*]猫狗数据集（25k张）远小于ImageNet（1400万张）
[*]降低Dropout比例（0.5→0.2）可保留更多特征信息，避免模型欠拟合
[*]权重初始化：采用Kaiming初始化，适配ReLU激活函数特性，缓解梯度消失
四、数据增强策略
train_transform = transforms.Compose([
transforms.RandomHorizontalFlip(p=0.5),
transforms.RandomRotation(10),
transforms.RandomResizedCrop(227, scale=(0.8, 1.0)),
transforms.ColorJitter(brightness=0.2, contrast=0.2, saturation=0.2),
transforms.ToTensor(),
transforms.Normalize(mean=,
std=)
])增强目的：
[*]提升泛化能力：通过旋转、裁剪、色彩扰动模拟真实场景的多样性，防止模型记忆固定模式
[*]克服数据局限：小数据集易导致过拟合，增强后等效扩大数据规模
[*]对齐测试环境：测试阶段采用相同预处理，保证输入分布一致性
五、训练过程优化
# 1. 学习率调整
optimizer = optim.Adam(model.parameters(), lr=1e-4)# 原常用值0.001
# 2. 训练-验证集拆分
train_data, val_data = random_split(dataset, )
# 3. 早停机制
if val_acc > best_acc:
best_model_wts = copy.deepcopy(model.state_dict())关键技术点：
[*]低学习率策略：
[*]预训练模型特征已较完备，降低学习率（1e-4）避免破坏已有特征
[*]微调阶段需精细调整参数，高学习率易导致震荡
[*]验证集独立划分：
[*]20%数据作为验证集，实时监控模型泛化能力
[*]避免测试集参与训练，保证评估客观性
[*]混合精度训练（可选）：
使用torch.cuda.amp自动混合精度，提升训练速度30%+（需GPU支持）
关键优化总结
优化点原始值调整值作用输入通道1 (灰度)3 (RGB)适配彩色图像输出维度10002二分类需求Dropout率0.50.2防欠拟合学习率0.0010.0001稳定微调数据增强无5种变换提升泛化性
来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！
页:
[1]