戰(zhàn)：從數(shù)據(jù)處理到遷移學(xué)習(xí)的完整流程)
1. 項(xiàng)目概述從一張圖片到識(shí)別結(jié)果到底發(fā)生了什么用 PyTorch 做圖片識(shí)別核心任務(wù)通常是圖像分類也就是我們輸入一張圖片模型輸出它屬于哪個(gè)類別。比如一張貓的照片經(jīng)過(guò)模型前向傳播得到貓 0.92、狗 0.05、鳥(niǎo) 0.02這樣的概率分布最后取最高概率對(duì)應(yīng)的類別作為預(yù)測(cè)結(jié)果。很多初學(xué)者拿到這個(gè)需求時(shí)第一反應(yīng)是調(diào)個(gè)模型跑一下但實(shí)際落地時(shí)你會(huì)發(fā)現(xiàn)整個(gè)流程是一條完整鏈路圖像讀取、預(yù)處理、數(shù)據(jù)加載、模型搭建、訓(xùn)練迭代、驗(yàn)證調(diào)參、固定權(quán)重、部署推理。任何一個(gè)環(huán)節(jié)處理不當(dāng)訓(xùn)練出來(lái)的模型精度都會(huì)差得離譜。這篇文章我會(huì)把這條鏈路每一個(gè)環(huán)節(jié)的實(shí)操細(xì)節(jié)都拆開(kāi)講清楚包括一些你翻文檔翻不到的經(jīng)驗(yàn)和坑。這篇文章適合誰(shuí)看剛接觸 PyTorch、想快速跑通一個(gè)圖像分類項(xiàng)目的同學(xué)或者已經(jīng)能跑通官方 Demo 但換了自己的數(shù)據(jù)集就不知所措的朋友。我會(huì)用貓狗分類作為貫穿全文的示例任務(wù)因?yàn)樗臄?shù)據(jù)獲取簡(jiǎn)單、類別直觀、訓(xùn)練收益明顯。文章里涉及的概念和代碼寫(xiě)法換成任何其他分類任務(wù)都通用。2. 核心鏈路拆解圖片識(shí)別的五段流程2.1 圖像分類的本質(zhì)圖像分類是計(jì)算機(jī)視覺(jué)最基礎(chǔ)的任務(wù)。它的數(shù)學(xué)本質(zhì)是學(xué)習(xí)一個(gè)映射函數(shù) f輸入一張 H×W×C 的圖片張量輸出一個(gè)長(zhǎng)度為 K 的向量K 是類別總數(shù)向量中的值經(jīng)過(guò) Softmax 歸一化后表示每個(gè)類別的概率。在這里有一個(gè)很多新手沒(méi)想明白的點(diǎn)圖片輸入到網(wǎng)絡(luò)里其實(shí)是一堆數(shù)字。比如一張 224×224 的 RGB 圖片輸入張量的形狀是 [3, 224, 224]取值范圍在 0 到 1 之間。卷積神經(jīng)網(wǎng)絡(luò)在做的事情本質(zhì)上是從這些數(shù)字中逐層提取特征——淺層卷積提取邊緣、顏色、紋理深層卷積提取眼睛、耳朵、輪子這種語(yǔ)義級(jí)別的部件。最后一層全連接將這些特征映射到類別空間。所以整個(gè)識(shí)別流程的五個(gè)環(huán)節(jié)是圖像預(yù)處理 → 數(shù)據(jù)加載 → 模型前向傳播 → 損失計(jì)算與反向傳播 → 推理預(yù)測(cè)。環(huán)境準(zhǔn)備完成后后面每個(gè)環(huán)節(jié)我會(huì)單獨(dú)展開(kāi)講。2.2 環(huán)境準(zhǔn)備與硬件選型先說(shuō)你需要的環(huán)境這里給出一個(gè)我用下來(lái)比較穩(wěn)定的版本組合PyTorch 2.x CUDA 11.8 或 12.1 Python 3.9~3.11 torchvision 配套版本。嚴(yán)格來(lái)說(shuō)我們不建議追求最新版本穩(wěn)定性和兼容性更重要很多 GPU 驅(qū)動(dòng)對(duì)最新的 CUDA 版本支持滯后跑起來(lái)反而出各種詭異報(bào)錯(cuò)。有兩點(diǎn)經(jīng)驗(yàn)說(shuō)明一下。第一如果你用的是 NVIDIA 顯卡安裝 PyTorch 之前先去官網(wǎng)根據(jù)你的 CUDA 版本選擇對(duì)應(yīng)的安裝命令不要直接用 pip install torch 默認(rèn)裝 CPU 版本不然訓(xùn)練速度會(huì)慢幾十倍。第二如果沒(méi)有獨(dú)立顯卡也可以先跑通整個(gè)流程只是訓(xùn)練時(shí)間會(huì)長(zhǎng)很多本文所有代碼在 CPU 上都能運(yùn)行只不過(guò)我們建議把 batch size 調(diào)小。3. 數(shù)據(jù)處理與加載比模型更影響精度的地方3.1 數(shù)據(jù)目錄如何組織PyTorch 的 torchvision.datasets.ImageFolder 是處理分類任務(wù)最省事的工具前提是你的數(shù)據(jù)目錄按類別組織成這樣的結(jié)構(gòu)data/ train/ cat/ cat_001.jpg cat_002.jpg dog/ dog_001.jpg dog_002.jpg val/ cat/ cat_001.jpg dog/ dog_001.jpgtrain 和 test 文件夾各自包含類別子文件夾里面的圖片按類別放置。用這種方式組織數(shù)據(jù)ImageFolder 會(huì)自動(dòng)讀取所有圖片并根據(jù)子文件夾名稱生成類別索引我們完全可以用自己真實(shí)的數(shù)據(jù)目錄來(lái)替換這個(gè)示例結(jié)構(gòu)。一個(gè)要注意的點(diǎn)訓(xùn)練集和驗(yàn)證集必須分開(kāi)。我見(jiàn)過(guò)不少朋友把所有圖片放在一個(gè)大文件夾里直接訓(xùn)練這樣驗(yàn)證集失去了意義。因?yàn)槟Ｐ鸵?jiàn)過(guò)了所有數(shù)據(jù)驗(yàn)證集精度虛高換到真實(shí)場(chǎng)景性能崩盤。劃分比例一般是 82 或 91。3.2 Dataset 與 DataLoader 的關(guān)鍵配置有了目錄結(jié)構(gòu)接下來(lái)就是標(biāo)準(zhǔn)的數(shù)據(jù)加載代碼。這段代碼幾乎是所有 PyTorch 圖像分類項(xiàng)目的骨架你需要根據(jù)自己的數(shù)據(jù)集特點(diǎn)去調(diào)整里面的參數(shù)。import torch from torch.utils.data import DataLoader from torchvision import datasets, transforms # 訓(xùn)練集預(yù)處理 train_transform transforms.Compose([ transforms.Resize((256, 256)), # 先縮放 transforms.RandomCrop(224), # 再隨機(jī)裁剪 transforms.RandomHorizontalFlip(), # 隨機(jī)水平翻轉(zhuǎn) transforms.ToTensor(), # 轉(zhuǎn)為張量并歸一化到 [0,1] transforms.Normalize( mean[0.485, 0.456, 0.406], # ImageNet 均值 std[0.229, 0.224, 0.225] # ImageNet 標(biāo)準(zhǔn)差 ) ]) # 驗(yàn)證集預(yù)處理只做縮放和歸一化不做數(shù)據(jù)增強(qiáng) val_transform transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize( mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225] ) ]) train_dataset datasets.ImageFolder(data/train, transformtrain_transform) val_dataset datasets.ImageFolder(data/val, transformval_transform) train_loader DataLoader(train_dataset, batch_size32, shuffleTrue, num_workers4, pin_memoryTrue) val_loader DataLoader(val_dataset, batch_size64, shuffleFalse, num_workers4, pin_memoryTrue)這里面的重點(diǎn)在于為什么訓(xùn)練要用縮放 隨機(jī)裁剪而驗(yàn)證集直接縮放。訓(xùn)練集需要數(shù)據(jù)增強(qiáng)來(lái)增加樣本多樣性隨機(jī)裁剪相當(dāng)于在 256×256 的圖片中隨機(jī)截取 224×224 的區(qū)域相當(dāng)于一個(gè)樣本生成了很多不同的子樣本能有效緩解過(guò)擬合。而驗(yàn)證集的目的是評(píng)估模型的真實(shí)表現(xiàn)所以只用固定縮放保證一致性。另一個(gè)容易忽略的配置是 shuffle 參數(shù)。訓(xùn)練集必須 shuffleTrue因?yàn)槿绻淮騺y每個(gè) batch 里都是同一類別的圖片梯度下降的方向會(huì)來(lái)回震蕩收斂速度慢且不穩(wěn)定。驗(yàn)證集則不需要 shuffle。關(guān)于 Normalize 的 mean 和 std這一組值來(lái)自 ImageNet 數(shù)據(jù)集的統(tǒng)計(jì)結(jié)果。我們做遷移學(xué)習(xí)時(shí)通常沿用這組值因?yàn)樗皖A(yù)訓(xùn)練模型的輸入分布是匹配的。如果從頭訓(xùn)練自己的模型理論上應(yīng)該重新統(tǒng)計(jì)自己數(shù)據(jù)集的均值和標(biāo)準(zhǔn)差但實(shí)際操作中大多數(shù)情況下用了 ImageNet 的數(shù)值也不會(huì)差太多。3.3 數(shù)據(jù)增強(qiáng)做多少才算合適數(shù)據(jù)增強(qiáng)是把雙刃劍。太少模型容易過(guò)擬合太多會(huì)給訓(xùn)練制造不必要的難度。以貓狗分類為例我常用的增強(qiáng)組合按優(yōu)先級(jí)排列隨機(jī)水平翻轉(zhuǎn)必選不影響語(yǔ)義隨機(jī)裁剪必選模擬尺度變化隨機(jī)顏色抖動(dòng)可選增強(qiáng)光照魯棒性隨機(jī)旋轉(zhuǎn)最多 ±15 度太大會(huì)破壞圖像結(jié)構(gòu)如果數(shù)據(jù)集只有幾千張圖片我建議增強(qiáng)力度適當(dāng)加強(qiáng)把 RandomResizedCrop 的尺度范圍設(shè)為 (0.5, 1.0)讓模型學(xué)會(huì)從不同尺度下識(shí)別目標(biāo)。如果數(shù)據(jù)集有十萬(wàn)級(jí)別增強(qiáng)可以適度保守重點(diǎn)放在防止過(guò)擬合上。我做項(xiàng)目時(shí)驗(yàn)證過(guò)一個(gè)經(jīng)驗(yàn)當(dāng)訓(xùn)練集樣本量少于 5000 時(shí)數(shù)據(jù)增強(qiáng)的收益是顯著的分類精度可以提升 2 到 5 個(gè)百分點(diǎn)。但如果你用的樣本量已經(jīng)很大或者數(shù)據(jù)本身質(zhì)量很高盲目加增強(qiáng)反而可能導(dǎo)致精度不升反降。4. 模型如何選手寫(xiě) CNN 還是遷移學(xué)習(xí)4.1 從零搭建一個(gè)可用的 CNN如果從頭搭建一個(gè)卷積神經(jīng)網(wǎng)絡(luò)核心是感受野的設(shè)計(jì)。簡(jiǎn)單來(lái)說(shuō)每一層卷積核覆蓋的區(qū)域大小決定了網(wǎng)絡(luò)能看到多大范圍的圖像信息。一個(gè)經(jīng)典的小型 CNN 結(jié)構(gòu)如下import torch.nn as nn class SimpleCNN(nn.Module): def __init__(self, num_classes2): super().__init__() self.features nn.Sequential( nn.Conv2d(3, 32, kernel_size3, padding1), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), nn.Conv2d(32, 64, kernel_size3, padding1), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), nn.Conv2d(64, 128, kernel_size3, padding1), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), ) self.classifier nn.Sequential( nn.AdaptiveAvgPool2d((1, 1)), nn.Flatten(), nn.Linear(128, 128), nn.ReLU(inplaceTrue), nn.Dropout(0.5), nn.Linear(128, num_classes) ) def forward(self, x): x self.features(x) x self.classifier(x) return x這個(gè)模型的思路是輸入 3×224×224 圖片經(jīng)過(guò)三層卷積 池化后特征圖變成 128×28×28然后通過(guò) AdaptiveAvgPool2d 把特征圖壓縮成 1×1再接全連接分類。三層卷積提取不同層次的特征池化逐步降低分辨率擴(kuò)大感受野。從零搭建 CNN 的優(yōu)勢(shì)是不依賴外部權(quán)重部署時(shí)自由度很大訓(xùn)練過(guò)程完全可控。缺點(diǎn)是精度天花板明顯對(duì)于復(fù)雜任務(wù)很難超過(guò)預(yù)訓(xùn)練模型。所以我的建議是如果數(shù)據(jù)集很小但圖像特征明顯比如純色背景下區(qū)分圓形和方形自建 CNN 足夠用如果圖像復(fù)雜、類別相近優(yōu)先考慮遷移學(xué)習(xí)。4.2 遷移學(xué)習(xí)用預(yù)訓(xùn)練模型大幅提升精度遷移學(xué)習(xí)的邏輯和自建模型完全不同。它的核心是復(fù)用在大規(guī)模數(shù)據(jù)集上訓(xùn)練好的模型參數(shù)——比如在 ImageNet 上已經(jīng)學(xué)好了邊緣、紋理、形狀等通用特征——然后在自己數(shù)據(jù)集上微調(diào)。這就像你不需要重新學(xué)習(xí)認(rèn)識(shí)顏色和輪廓只需要學(xué)習(xí)貓和狗的區(qū)別就行。使用 torchvision 的預(yù)訓(xùn)練模型最常用的幾個(gè)選項(xiàng)ResNet18 / ResNet50精度和速度最均衡的選擇EfficientNet-B0計(jì)算量更小精度相當(dāng)MobileNetV3適合移動(dòng)端部署場(chǎng)景VGG16結(jié)構(gòu)簡(jiǎn)單但參數(shù)量大訓(xùn)練慢實(shí)用性下降以 ResNet18 為例遷移學(xué)習(xí)的標(biāo)準(zhǔn)寫(xiě)法是凍結(jié)特征層參數(shù)替換最后一層全連接from torchvision import models model models.resnet18(weightsmodels.ResNet18_Weights.DEFAULT) # 凍結(jié)所有層的參數(shù) for param in model.parameters(): param.requires_grad False # 獲取最后一層全連接的輸入維度 num_features model.fc.in_features # 替換成自己的分類器 model.fc nn.Sequential( nn.Linear(num_features, 256), nn.ReLU(inplaceTrue), nn.Dropout(0.5), nn.Linear(256, 2) )這段代碼里最關(guān)鍵的邏輯是 requires_grad False。凍結(jié)特征層參數(shù)后反向傳播的梯度不會(huì)更新這些層的權(quán)重模型只會(huì)訓(xùn)練我們新加的全連接層。這樣有幾個(gè)好處一是訓(xùn)練速度大幅提升因?yàn)椴恍枰?jì)算大量參數(shù)的梯度二是可以有效防止數(shù)據(jù)集過(guò)小導(dǎo)致的過(guò)擬合避免破壞預(yù)訓(xùn)練模型已經(jīng)學(xué)好的通用特征表示。微調(diào)有兩種常用策略一是上面這種只訓(xùn)練分類頭的方案適合數(shù)據(jù)集幾百到幾千張的情況二是全量微調(diào)也就是所有層都放開(kāi)訓(xùn)練適合數(shù)據(jù)集規(guī)模較大時(shí)有足夠的樣本來(lái)刷新預(yù)訓(xùn)練知識(shí)。實(shí)際項(xiàng)目中我建議先用凍結(jié)方式訓(xùn)練幾個(gè) epoch 讓分類頭收斂然后解凍最后幾層做微調(diào)這樣精度更高也穩(wěn)定。4.3 損失函數(shù)和優(yōu)化器的選擇邏輯分類任務(wù)的標(biāo)準(zhǔn)配置是交叉熵?fù)p失函數(shù)加 SGD 或 Adam。這里的交叉熵?fù)p失函數(shù)值得多說(shuō)一句PyTorch 的 nn.CrossEntropyLoss 其實(shí)做了兩件事——對(duì)模型的輸出做 Softmax 歸一化然后計(jì)算負(fù)對(duì)數(shù)似然損失。所以模型最后一層不需要再接 Softmax直接輸出原始 logits 就好否則等于做了兩次歸一化精度會(huì)受影響。criterion nn.CrossEntropyLoss() optimizer torch.optim.Adam(model.fc.parameters(), lr0.001)優(yōu)化器方面Adam 適合快速迭代和調(diào)參對(duì)學(xué)習(xí)率的敏感度低一些。SGD 加 Momentum 需要更精細(xì)的學(xué)習(xí)率調(diào)整但收斂后的精度往往更高。我在實(shí)際訓(xùn)練中習(xí)慣先用 Adam 跑通流程之后如果有優(yōu)化需求再切換到帶學(xué)習(xí)率衰減的 SGD。這里有個(gè)新手常踩的坑如果只訓(xùn)練分類頭優(yōu)化的參數(shù)只有 model.fc.parameters()因?yàn)楸粌鼋Y(jié)的層沒(méi)有梯度。如果全量微調(diào)則要傳入 model.parameters()。如果混用凍結(jié)層和可訓(xùn)練層需要確保優(yōu)化器中傳入了正確的參數(shù)組否則會(huì)出現(xiàn)模型一點(diǎn)也不學(xué)習(xí)的困惑現(xiàn)象。4.4 設(shè)備準(zhǔn)備讓代碼自動(dòng)跑在 GPU 或 CPU 上模型訓(xùn)練前要先確定計(jì)算設(shè)備。建議直接寫(xiě)成下面這種自適應(yīng)方式避免在 GPU 機(jī)器上調(diào)試過(guò)的代碼挪到 CPU 機(jī)器上直接報(bào)錯(cuò)device torch.device(cuda if torch.cuda.is_available() else cpu) model model.to(device)model.to(device) 這一步很多人會(huì)漏掉導(dǎo)致前向傳播時(shí)模型還在 CPU 上數(shù)據(jù)在 GPU 上報(bào)錯(cuò)說(shuō) device mismatch。還有一點(diǎn)需要特別注意輸入圖片張量也要調(diào)用 .to(device) 移動(dòng)設(shè)備我在初學(xué)階段經(jīng)常因?yàn)橥洶?data 移動(dòng)到 GPU 上而報(bào)錯(cuò)這種問(wèn)題排查起來(lái)很浪費(fèi)時(shí)間。5. 訓(xùn)練循環(huán)與模型驗(yàn)證的完整實(shí)現(xiàn)5.1 標(biāo)準(zhǔn)訓(xùn)練循環(huán)代碼訓(xùn)練循環(huán)是整個(gè)項(xiàng)目最核心的代碼段。我把一個(gè)完整的訓(xùn)練驗(yàn)證循環(huán)貼出來(lái)這份代碼可以直接用以下方式運(yùn)行然后根據(jù)打印的日志判斷訓(xùn)練效果。def train_one_epoch(model, train_loader, criterion, optimizer, device): model.train() running_loss 0.0 correct 0 total 0 for inputs, labels in train_loader: inputs, labels inputs.to(device), labels.to(device) optimizer.zero_grad() outputs model(inputs) loss criterion(outputs, labels) loss.backward() optimizer.step() running_loss loss.item() * inputs.size(0) _, predicted torch.max(outputs, 1) total labels.size(0) correct (predicted labels).sum().item() epoch_loss running_loss / total epoch_acc correct / total return epoch_loss, epoch_acc def validate(model, val_loader, criterion, device): model.eval() running_loss 0.0 correct 0 total 0 with torch.no_grad(): for inputs, labels in val_loader: inputs, labels inputs.to(device), labels.to(device) outputs model(inputs) loss criterion(outputs, labels) running_loss loss.item() * inputs.size(0) _, predicted torch.max(outputs, 1) total labels.size(0) correct (predicted labels).sum().item() epoch_loss running_loss / total epoch_acc correct / total return epoch_loss, epoch_acc一個(gè)容易犯錯(cuò)的地方是寫(xiě)法上訓(xùn)練時(shí)必須調(diào)用 model.train()驗(yàn)證時(shí)必須調(diào)用 model.eval()。這兩個(gè)模式的區(qū)別在于 BatchNorm 和 Dropout 的行為train 模式下 Dropout 會(huì)隨機(jī)丟棄神經(jīng)元BatchNorm 會(huì)使用 batch 內(nèi)的統(tǒng)計(jì)量eval 模式下 Dropout 關(guān)閉BatchNorm 使用訓(xùn)練階段累積的全局統(tǒng)計(jì)量。如果驗(yàn)證時(shí)忘了切換到 eval 模式驗(yàn)證精度會(huì)異常波動(dòng)并且吃進(jìn)隨機(jī)性。另外驗(yàn)證階段必須包裹 torch.no_grad()它有兩個(gè)用處一是停止梯度追蹤節(jié)省顯存二是避免驗(yàn)證過(guò)程意外修改模型參數(shù)。5.2 模型保存策略只保留最優(yōu)權(quán)重訓(xùn)練過(guò)程中的模型保存也是有講究的。不經(jīng)思考地只在最后保存一次模型如果你中途過(guò)擬合了最后保存的就是過(guò)擬合的模型。我建議采用驗(yàn)證精度最高時(shí)保存的策略best_acc 0.0 for epoch in range(num_epochs): train_loss, train_acc train_one_epoch(...) val_loss, val_acc validate(...) print(fEpoch {epoch1}: train_loss{train_loss:.4f}, train_acc{train_acc:.4f}, fval_loss{val_loss:.4f}, val_acc{val_acc:.4f}) if val_acc best_acc: best_acc val_acc torch.save(model.state_dict(), best_model.pth) print(f - 保存最優(yōu)模型驗(yàn)證精度 {best_acc:.4f})torch.save 建議只保存 model.state_dict()它只保存模型權(quán)重參數(shù)不攜帶完整的模型結(jié)構(gòu)。原因有兩個(gè)一是文件體積更小二是加載時(shí)更靈活。你在 state_dict 之外還需要單獨(dú)記錄類別映射關(guān)系否則推理時(shí)只有數(shù)字類別沒(méi)有類別名稱。這個(gè)我后面會(huì)講。5.3 學(xué)習(xí)率調(diào)整和 early stopping 的實(shí)際價(jià)值訓(xùn)練過(guò)程中學(xué)習(xí)率設(shè)置是一個(gè)常見(jiàn)痛點(diǎn)。學(xué)習(xí)率太大模型震蕩不收斂太小則訓(xùn)練半天損失紋絲不動(dòng)。我喜歡用 ReduceLROnPlateau 做驗(yàn)證精度的自適應(yīng)調(diào)整scheduler torch.optim.lr_scheduler.ReduceLROnPlateau( optimizer, modemin, factor0.5, patience3 ) for epoch in range(num_epochs): train_loss, train_acc train_one_epoch(...) val_loss, val_acc validate(...) scheduler.step(val_loss)這里傳入的 modemin 表示當(dāng) val_loss 不再下降時(shí)把學(xué)習(xí)率乘以 0.5。patience3 意味著連續(xù) 3 個(gè) epoch 驗(yàn)證損失沒(méi)有明顯下降才觸發(fā)衰減。學(xué)習(xí)率衰減的原理是訓(xùn)練初期需要較大的步長(zhǎng)快速靠近最優(yōu)點(diǎn)但接近最優(yōu)點(diǎn)后大步長(zhǎng)會(huì)在最優(yōu)值附近震蕩此時(shí)縮小步長(zhǎng)可以讓損失繼續(xù)下降。early stopping 指的是當(dāng)驗(yàn)證損失連續(xù)多個(gè) epoch 不再下降時(shí)提前終止訓(xùn)練。這個(gè)和保存最優(yōu)模型配合起來(lái)用能有效避免過(guò)擬合。但我實(shí)際使用中有一個(gè)心得early stopping 的 patience 設(shè)置要根據(jù)數(shù)據(jù)集大小靈活調(diào)整小數(shù)據(jù)集設(shè) 5 個(gè) epoch 比較合理大數(shù)據(jù)集可能需要 10 個(gè)甚至更多 epoch 的耐心否則容易在驗(yàn)證損失的局部極小值處提前停止。6. 推理階段加載模型識(shí)別單張新圖片6.1 完整的推理代碼訓(xùn)練完成后真正到識(shí)別圖片這個(gè)動(dòng)作時(shí)代碼要包含三個(gè)步驟加載模型權(quán)重、對(duì)輸入圖片做和訓(xùn)練時(shí)完全一致的預(yù)處理、前向傳播得到預(yù)測(cè)結(jié)果。這份推理代碼我是按照生產(chǎn)環(huán)境的標(biāo)準(zhǔn)寫(xiě)的可以直接用import torch from PIL import Image from torchvision import transforms def predict_image(image_path, model, device, class_names): # 1. 加載并預(yù)處理圖片 image Image.open(image_path).convert(RGB) # 2. 預(yù)處理與驗(yàn)證集的預(yù)處理完全一致 preprocessing transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) input_tensor preprocessing(image).unsqueeze(0) # 形狀 [1, 3, 224, 224] input_tensor input_tensor.to(device) # 3. 推理 model.eval() with torch.no_grad(): outputs model(input_tensor) probabilities torch.softmax(outputs, dim1) confidence, predicted_idx torch.max(probabilities, dim1) predicted_class class_names[predicted_idx.item()] return predicted_class, confidence.item()調(diào)用示例# 設(shè)定類別映射0 對(duì)應(yīng) cat1 對(duì)應(yīng) dog class_names [cat, dog] # 加載訓(xùn)練好的最優(yōu)權(quán)重 model models.resnet18(weightsNone) num_features model.fc.in_features model.fc nn.Sequential(...) # 結(jié)構(gòu)必須和訓(xùn)練時(shí)完全一致 model.load_state_dict(torch.load(best_model.pth, map_locationdevice)) model model.to(device) result, confidence predict_image(test_photo.jpg, model, device, class_names) print(f識(shí)別結(jié)果{result}置信度{confidence:.2%})這里的關(guān)鍵坑在于 load_state_dict 前模型結(jié)構(gòu)必須與訓(xùn)練時(shí)完全一致。如果你在訓(xùn)練代碼里改過(guò) model.fc 的結(jié)構(gòu)那么推理代碼里也要做一模一樣的修改否則加載權(quán)重時(shí)會(huì)報(bào) size mismatch。為了避免這種問(wèn)題我強(qiáng)烈建議把模型構(gòu)建代碼寫(xiě)在一個(gè)函數(shù)里訓(xùn)練和推理都調(diào)用同一個(gè)函數(shù)不要二次復(fù)制。6.2 置信度識(shí)別結(jié)果的第二落點(diǎn)很多人做圖片識(shí)別只看預(yù)測(cè)類別但置信度信息其實(shí)更具價(jià)值。置信度是 Softmax 輸出的最大概率值表示為模型對(duì)該預(yù)測(cè)的自信程度。我在實(shí)際項(xiàng)目中總結(jié)的置信度決策規(guī)則置信度 0.9模型非常確定可以放心采納置信度在 0.6 到 0.9 之間模型有一定把握可以采納但要提示用戶核實(shí)置信度低于 0.6建議返回?zé)o法確定因?yàn)槎囝悇e中每個(gè)類別的概率都比較分散強(qiáng)取最大值很可能是錯(cuò)誤判斷一個(gè)常見(jiàn)場(chǎng)景是模型對(duì)貓的置信度是 0.45對(duì)狗的置信度是 0.42此時(shí)取貓作為結(jié)果并不穩(wěn)妥。這種低置信度通常意味著圖片里的目標(biāo)不明顯、遮擋嚴(yán)重或包含訓(xùn)練數(shù)據(jù)中未出現(xiàn)的背景干擾。如果業(yè)務(wù)場(chǎng)景對(duì)誤判容忍度低建議加一個(gè)置信度閾值判斷。6.3 推理性能優(yōu)化經(jīng)驗(yàn)如果識(shí)別功能要集成到實(shí)際應(yīng)用中推理速度和延遲就很重要了。幾個(gè)實(shí)用的優(yōu)化方向把整個(gè)模型用 model.eval() 切換去掉 Dropout 的隨機(jī)性對(duì)輸入圖片做 batch 推理把多張圖片合成一個(gè) batch 一次前向傳播比單張循環(huán)快很多倍使用 torch.no_grad() 防止構(gòu)建計(jì)算圖如果需要更高吞吐量可以考慮用 ONNX 導(dǎo)出模型加速但在精度要求高時(shí)要注意導(dǎo)出和推理的精度差異我參與過(guò)的一個(gè)圖片識(shí)別的技術(shù) Demo用 ResNet18 在 GPU 上單張推理延遲只有幾毫秒完全滿足實(shí)時(shí)應(yīng)用的需求。而如果換用 CPU 推理延遲會(huì)上升到幾十毫秒這種差距會(huì)讓一些對(duì)時(shí)延敏感的應(yīng)用場(chǎng)景做出不同的技術(shù)決策。7. 訓(xùn)練過(guò)程中遇到的經(jīng)典問(wèn)題排查實(shí)錄7.1 損失不下降我接觸的初學(xué)者項(xiàng)目里損失不下降或下降極慢是最常見(jiàn)的問(wèn)題。排查順序應(yīng)該按優(yōu)先級(jí)這樣走首先是學(xué)習(xí)率。學(xué)習(xí)率太小相當(dāng)于一個(gè)人走路步子邁得極小半天走不出原地。把學(xué)習(xí)率從默認(rèn)的 0.001 調(diào)到 0.01 或 0.1 測(cè)試一下。如果損失反而變成 NaN說(shuō)明學(xué)習(xí)率又太大了中間找平衡點(diǎn)。我常用的粗暴方式是 0.1、0.01、0.001 各試 20 個(gè) epoch看哪個(gè)收斂快且穩(wěn)定。其次是數(shù)據(jù)和標(biāo)簽是否對(duì)齊。檢查 dataloader 返回的圖片和標(biāo)簽是否匹配我遇到過(guò)圖片讀取順序和標(biāo)簽順序錯(cuò)位的問(wèn)題導(dǎo)致模型一直在學(xué)錯(cuò)誤對(duì)應(yīng)關(guān)系?？梢栽?DataLoader 里加調(diào)試代碼打印一批圖片對(duì)應(yīng)的標(biāo)簽確認(rèn)。還有一個(gè)隱蔽的問(wèn)題預(yù)處理時(shí)沒(méi)有做歸一化或歸一化錯(cuò)誤。如果圖片像素值還是 0~255 范圍模型第一層卷積的輸入范圍就不對(duì)特別是使用遷移學(xué)習(xí)模型時(shí)預(yù)訓(xùn)練權(quán)重期望的是 0~1 歸一化后帶標(biāo)準(zhǔn)差的輸入輸入范圍錯(cuò)誤會(huì)讓特征提取完全崩潰。7.2 顯存溢出顯存溢出Out of Memory在小顯存機(jī)器上訓(xùn)練大模型時(shí)幾乎必現(xiàn)。最有效的排查思路是降低 batch size從 32 降到 16 甚至 8。因?yàn)轱@存占用主要是每個(gè) batch 的中間特征圖和梯度batch size 直接線性影響顯存。另一個(gè)思路是減少圖片輸入尺寸224 降到 160 或 128這對(duì)顯存的影響是平方級(jí)別的。還有一招是使用梯度累積也就是用多個(gè)小 batch 模擬大 batch 的效果。比如顯存只夠跑 batch size 8但你需要 batch size 32那就跑 4 個(gè) batch 后累積梯度再更新一次參數(shù)。7.3 過(guò)擬合怎么判斷判斷過(guò)擬合不能只看訓(xùn)練集精度因?yàn)橛?xùn)練集精度沖到 100% 也很正常。核心指標(biāo)是訓(xùn)練和驗(yàn)證差距當(dāng)訓(xùn)練精度 95% 以上而驗(yàn)證精度停留在 75% 左右且驗(yàn)證損失在下降后又開(kāi)始回升這就是典型過(guò)擬合。緩解手段按優(yōu)先級(jí)排序數(shù)據(jù)增強(qiáng)加碼、加 Dropout 比例、縮小模型規(guī)模、提前停止。不要上來(lái)就換更大的模型那樣只會(huì)過(guò)擬合得更嚴(yán)重。我在做項(xiàng)目時(shí)首先看的是數(shù)據(jù)增強(qiáng)有沒(méi)有做夠數(shù)據(jù)集的多樣性是否覆蓋了應(yīng)用場(chǎng)景的分布。7.4 類別不平衡問(wèn)題實(shí)際項(xiàng)目中類別不平衡很常見(jiàn)。比如你做一個(gè)缺陷檢測(cè)99% 的圖片是合格品只有 1% 是有缺陷的。模型不需要學(xué)任何東西全預(yù)測(cè)合格就有 99% 精度但這種模型完全沒(méi)用。解決辦法一是加權(quán)損失函數(shù)PyTorch 的 CrossEntropyLoss 支持 weight 參數(shù)class_weights torch.tensor([1.0, 10.0]) # 少數(shù)類權(quán)重設(shè)為大的值 criterion nn.CrossEntropyLoss(weightclass_weights.to(device))解決辦法二是采樣策略對(duì)少數(shù)類過(guò)采樣、對(duì)多數(shù)類欠采樣。我自己更傾向于先用加權(quán)損失它簡(jiǎn)單直接改動(dòng)量小實(shí)用性高。7.5 亂加預(yù)訓(xùn)練權(quán)重導(dǎo)致的報(bào)錯(cuò)用遷移學(xué)習(xí)模型時(shí)遇到 state_dict 加載報(bào)錯(cuò)一般是新舊模型結(jié)構(gòu)不一致。最常發(fā)生的情況是你用了一個(gè) torchvision 模型然后手動(dòng)修改了 model.fc但加載預(yù)訓(xùn)練權(quán)重時(shí)服務(wù)端期望的還是原始完整結(jié)構(gòu)。解決辦法是設(shè)置 weightsNone 構(gòu)造模型后再加載自己的權(quán)重同時(shí)確保模型結(jié)構(gòu)完全一致。8. 實(shí)操總結(jié)與擴(kuò)展方向用 PyTorch 識(shí)別圖片這個(gè)需求看起來(lái)簡(jiǎn)單但把一個(gè)模型真正跑通、跑好中間的信息量其實(shí)非常大。我最后分享幾個(gè)經(jīng)驗(yàn)數(shù)據(jù)永遠(yuǎn)是第一位的。模型結(jié)構(gòu)再先進(jìn)數(shù)據(jù)沒(méi)準(zhǔn)備好效果也出不來(lái)。你花在數(shù)據(jù)清洗、數(shù)據(jù)增強(qiáng)上的時(shí)間永遠(yuǎn)比調(diào)模型結(jié)構(gòu)參數(shù)更值得。遷移學(xué)習(xí)是現(xiàn)在絕大多數(shù)場(chǎng)景的首選方案。自己從頭訓(xùn)練一個(gè)卷積神經(jīng)網(wǎng)絡(luò)除非你有幾十萬(wàn)上百萬(wàn)級(jí)的標(biāo)注數(shù)據(jù)否則很難超過(guò)一個(gè)微調(diào)好的預(yù)訓(xùn)練模型。用預(yù)訓(xùn)練模型不是偷懶是把前人幾十年的經(jīng)驗(yàn)?zāi)眠^(guò)來(lái)用這是聰明人的選擇。訓(xùn)練日志一定要完整記錄。損失值、精度、學(xué)習(xí)率、模型在哪個(gè) epoch 保存的這些信息看起來(lái)不起眼但在你回溯問(wèn)題、復(fù)現(xiàn)實(shí)驗(yàn)時(shí)能省下大把時(shí)間。我自己現(xiàn)在每跑一個(gè)實(shí)驗(yàn)都會(huì)把超參數(shù)和日志文件一起歸檔。做完一個(gè)基礎(chǔ)分類項(xiàng)目后你可以順這個(gè)方向繼續(xù)深入一是多標(biāo)簽分類一張圖中同時(shí)識(shí)別多個(gè)物體二是目標(biāo)檢測(cè)不只是分類而是框出物體的位置三是語(yǔ)義分割對(duì)每個(gè)像素做類別預(yù)測(cè)。這三個(gè)方向都是在圖像識(shí)別基礎(chǔ)上的自然延伸掌握了本文的基礎(chǔ)流程后你會(huì)發(fā)現(xiàn)它們很多思維方式是一脈相承的。希望這套完整的流程和代碼能夠幫你把第一個(gè) PyTorch 圖像識(shí)別項(xiàng)目順利跑通。在實(shí)際操作中遇到問(wèn)題歡迎把你的報(bào)錯(cuò)信息和實(shí)驗(yàn)現(xiàn)象記錄下來(lái)大家一起交流排查的思路。 PyTorch圖像分類實(shí)戰(zhàn)：從數(shù)據(jù)處理到遷移學(xué)習(xí)的完整流程
1. 項(xiàng)目概述從一張圖片到識(shí)別結(jié)果到底發(fā)生了什么用 PyTorch 做圖片識(shí)別核心任務(wù)通常是圖像分類也就是我們輸入一張圖片模型輸出它屬于哪個(gè)類別。比如一張貓的照片經(jīng)過(guò)模型前向傳播得到貓 0.92、狗 0.05、鳥(niǎo) 0.02這樣的概率分布最后取最高概率對(duì)應(yīng)的類別作為預(yù)測(cè)結(jié)果。很多初學(xué)者拿到這個(gè)需求時(shí)第一反應(yīng)是調(diào)個(gè)模型跑一下但實(shí)際落地時(shí)你會(huì)發(fā)現(xiàn)整個(gè)流程是一條完整鏈路圖像讀取、預(yù)處理、數(shù)據(jù)加載、模型搭建、訓(xùn)練迭代、驗(yàn)證調(diào)參、固定權(quán)重、部署推理。任何一個(gè)環(huán)節(jié)處理不當(dāng)訓(xùn)練出來(lái)的模型精度都會(huì)差得離譜。這篇文章我會(huì)把這條鏈路每一個(gè)環(huán)節(jié)的實(shí)操細(xì)節(jié)都拆開(kāi)講清楚包括一些你翻文檔翻不到的經(jīng)驗(yàn)和坑。這篇文章適合誰(shuí)看剛接觸 PyTorch、想快速跑通一個(gè)圖像分類項(xiàng)目的同學(xué)或者已經(jīng)能跑通官方 Demo 但換了自己的數(shù)據(jù)集就不知所措的朋友。我會(huì)用貓狗分類作為貫穿全文的示例任務(wù)因?yàn)樗臄?shù)據(jù)獲取簡(jiǎn)單、類別直觀、訓(xùn)練收益明顯。文章里涉及的概念和代碼寫(xiě)法換成任何其他分類任務(wù)都通用。2. 核心鏈路拆解圖片識(shí)別的五段流程2.1 圖像分類的本質(zhì)圖像分類是計(jì)算機(jī)視覺(jué)最基礎(chǔ)的任務(wù)。它的數(shù)學(xué)本質(zhì)是學(xué)習(xí)一個(gè)映射函數(shù) f輸入一張 H×W×C 的圖片張量輸出一個(gè)長(zhǎng)度為 K 的向量K 是類別總數(shù)向量中的值經(jīng)過(guò) Softmax 歸一化后表示每個(gè)類別的概率。在這里有一個(gè)很多新手沒(méi)想明白的點(diǎn)圖片輸入到網(wǎng)絡(luò)里其實(shí)是一堆數(shù)字。比如一張 224×224 的 RGB 圖片輸入張量的形狀是 [3, 224, 224]取值范圍在 0 到 1 之間。卷積神經(jīng)網(wǎng)絡(luò)在做的事情本質(zhì)上是從這些數(shù)字中逐層提取特征——淺層卷積提取邊緣、顏色、紋理深層卷積提取眼睛、耳朵、輪子這種語(yǔ)義級(jí)別的部件。最后一層全連接將這些特征映射到類別空間。所以整個(gè)識(shí)別流程的五個(gè)環(huán)節(jié)是圖像預(yù)處理 → 數(shù)據(jù)加載 → 模型前向傳播 → 損失計(jì)算與反向傳播 → 推理預(yù)測(cè)。環(huán)境準(zhǔn)備完成后后面每個(gè)環(huán)節(jié)我會(huì)單獨(dú)展開(kāi)講。2.2 環(huán)境準(zhǔn)備與硬件選型先說(shuō)你需要的環(huán)境這里給出一個(gè)我用下來(lái)比較穩(wěn)定的版本組合PyTorch 2.x CUDA 11.8 或 12.1 Python 3.9~3.11 torchvision 配套版本。嚴(yán)格來(lái)說(shuō)我們不建議追求最新版本穩(wěn)定性和兼容性更重要很多 GPU 驅(qū)動(dòng)對(duì)最新的 CUDA 版本支持滯后跑起來(lái)反而出各種詭異報(bào)錯(cuò)。有兩點(diǎn)經(jīng)驗(yàn)說(shuō)明一下。第一如果你用的是 NVIDIA 顯卡安裝 PyTorch 之前先去官網(wǎng)根據(jù)你的 CUDA 版本選擇對(duì)應(yīng)的安裝命令不要直接用 pip install torch 默認(rèn)裝 CPU 版本不然訓(xùn)練速度會(huì)慢幾十倍。第二如果沒(méi)有獨(dú)立顯卡也可以先跑通整個(gè)流程只是訓(xùn)練時(shí)間會(huì)長(zhǎng)很多本文所有代碼在 CPU 上都能運(yùn)行只不過(guò)我們建議把 batch size 調(diào)小。3. 數(shù)據(jù)處理與加載比模型更影響精度的地方3.1 數(shù)據(jù)目錄如何組織PyTorch 的 torchvision.datasets.ImageFolder 是處理分類任務(wù)最省事的工具前提是你的數(shù)據(jù)目錄按類別組織成這樣的結(jié)構(gòu)data/ train/ cat/ cat_001.jpg cat_002.jpg dog/ dog_001.jpg dog_002.jpg val/ cat/ cat_001.jpg dog/ dog_001.jpgtrain 和 test 文件夾各自包含類別子文件夾里面的圖片按類別放置。用這種方式組織數(shù)據(jù)ImageFolder 會(huì)自動(dòng)讀取所有圖片并根據(jù)子文件夾名稱生成類別索引我們完全可以用自己真實(shí)的數(shù)據(jù)目錄來(lái)替換這個(gè)示例結(jié)構(gòu)。一個(gè)要注意的點(diǎn)訓(xùn)練集和驗(yàn)證集必須分開(kāi)。我見(jiàn)過(guò)不少朋友把所有圖片放在一個(gè)大文件夾里直接訓(xùn)練這樣驗(yàn)證集失去了意義。因?yàn)槟Ｐ鸵?jiàn)過(guò)了所有數(shù)據(jù)驗(yàn)證集精度虛高換到真實(shí)場(chǎng)景性能崩盤。劃分比例一般是 82 或 91。3.2 Dataset 與 DataLoader 的關(guān)鍵配置有了目錄結(jié)構(gòu)接下來(lái)就是標(biāo)準(zhǔn)的數(shù)據(jù)加載代碼。這段代碼幾乎是所有 PyTorch 圖像分類項(xiàng)目的骨架你需要根據(jù)自己的數(shù)據(jù)集特點(diǎn)去調(diào)整里面的參數(shù)。import torch from torch.utils.data import DataLoader from torchvision import datasets, transforms # 訓(xùn)練集預(yù)處理 train_transform transforms.Compose([ transforms.Resize((256, 256)), # 先縮放 transforms.RandomCrop(224), # 再隨機(jī)裁剪 transforms.RandomHorizontalFlip(), # 隨機(jī)水平翻轉(zhuǎn) transforms.ToTensor(), # 轉(zhuǎn)為張量并歸一化到 [0,1] transforms.Normalize( mean[0.485, 0.456, 0.406], # ImageNet 均值 std[0.229, 0.224, 0.225] # ImageNet 標(biāo)準(zhǔn)差 ) ]) # 驗(yàn)證集預(yù)處理只做縮放和歸一化不做數(shù)據(jù)增強(qiáng) val_transform transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize( mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225] ) ]) train_dataset datasets.ImageFolder(data/train, transformtrain_transform) val_dataset datasets.ImageFolder(data/val, transformval_transform) train_loader DataLoader(train_dataset, batch_size32, shuffleTrue, num_workers4, pin_memoryTrue) val_loader DataLoader(val_dataset, batch_size64, shuffleFalse, num_workers4, pin_memoryTrue)這里面的重點(diǎn)在于為什么訓(xùn)練要用縮放 隨機(jī)裁剪而驗(yàn)證集直接縮放。訓(xùn)練集需要數(shù)據(jù)增強(qiáng)來(lái)增加樣本多樣性隨機(jī)裁剪相當(dāng)于在 256×256 的圖片中隨機(jī)截取 224×224 的區(qū)域相當(dāng)于一個(gè)樣本生成了很多不同的子樣本能有效緩解過(guò)擬合。而驗(yàn)證集的目的是評(píng)估模型的真實(shí)表現(xiàn)所以只用固定縮放保證一致性。另一個(gè)容易忽略的配置是 shuffle 參數(shù)。訓(xùn)練集必須 shuffleTrue因?yàn)槿绻淮騺y每個(gè) batch 里都是同一類別的圖片梯度下降的方向會(huì)來(lái)回震蕩收斂速度慢且不穩(wěn)定。驗(yàn)證集則不需要 shuffle。關(guān)于 Normalize 的 mean 和 std這一組值來(lái)自 ImageNet 數(shù)據(jù)集的統(tǒng)計(jì)結(jié)果。我們做遷移學(xué)習(xí)時(shí)通常沿用這組值因?yàn)樗皖A(yù)訓(xùn)練模型的輸入分布是匹配的。如果從頭訓(xùn)練自己的模型理論上應(yīng)該重新統(tǒng)計(jì)自己數(shù)據(jù)集的均值和標(biāo)準(zhǔn)差但實(shí)際操作中大多數(shù)情況下用了 ImageNet 的數(shù)值也不會(huì)差太多。3.3 數(shù)據(jù)增強(qiáng)做多少才算合適數(shù)據(jù)增強(qiáng)是把雙刃劍。太少模型容易過(guò)擬合太多會(huì)給訓(xùn)練制造不必要的難度。以貓狗分類為例我常用的增強(qiáng)組合按優(yōu)先級(jí)排列隨機(jī)水平翻轉(zhuǎn)必選不影響語(yǔ)義隨機(jī)裁剪必選模擬尺度變化隨機(jī)顏色抖動(dòng)可選增強(qiáng)光照魯棒性隨機(jī)旋轉(zhuǎn)最多 ±15 度太大會(huì)破壞圖像結(jié)構(gòu)如果數(shù)據(jù)集只有幾千張圖片我建議增強(qiáng)力度適當(dāng)加強(qiáng)把 RandomResizedCrop 的尺度范圍設(shè)為 (0.5, 1.0)讓模型學(xué)會(huì)從不同尺度下識(shí)別目標(biāo)。如果數(shù)據(jù)集有十萬(wàn)級(jí)別增強(qiáng)可以適度保守重點(diǎn)放在防止過(guò)擬合上。我做項(xiàng)目時(shí)驗(yàn)證過(guò)一個(gè)經(jīng)驗(yàn)當(dāng)訓(xùn)練集樣本量少于 5000 時(shí)數(shù)據(jù)增強(qiáng)的收益是顯著的分類精度可以提升 2 到 5 個(gè)百分點(diǎn)。但如果你用的樣本量已經(jīng)很大或者數(shù)據(jù)本身質(zhì)量很高盲目加增強(qiáng)反而可能導(dǎo)致精度不升反降。4. 模型如何選手寫(xiě) CNN 還是遷移學(xué)習(xí)4.1 從零搭建一個(gè)可用的 CNN如果從頭搭建一個(gè)卷積神經(jīng)網(wǎng)絡(luò)核心是感受野的設(shè)計(jì)。簡(jiǎn)單來(lái)說(shuō)每一層卷積核覆蓋的區(qū)域大小決定了網(wǎng)絡(luò)能看到多大范圍的圖像信息。一個(gè)經(jīng)典的小型 CNN 結(jié)構(gòu)如下import torch.nn as nn class SimpleCNN(nn.Module): def __init__(self, num_classes2): super().__init__() self.features nn.Sequential( nn.Conv2d(3, 32, kernel_size3, padding1), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), nn.Conv2d(32, 64, kernel_size3, padding1), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), nn.Conv2d(64, 128, kernel_size3, padding1), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), ) self.classifier nn.Sequential( nn.AdaptiveAvgPool2d((1, 1)), nn.Flatten(), nn.Linear(128, 128), nn.ReLU(inplaceTrue), nn.Dropout(0.5), nn.Linear(128, num_classes) ) def forward(self, x): x self.features(x) x self.classifier(x) return x這個(gè)模型的思路是輸入 3×224×224 圖片經(jīng)過(guò)三層卷積 池化后特征圖變成 128×28×28然后通過(guò) AdaptiveAvgPool2d 把特征圖壓縮成 1×1再接全連接分類。三層卷積提取不同層次的特征池化逐步降低分辨率擴(kuò)大感受野。從零搭建 CNN 的優(yōu)勢(shì)是不依賴外部權(quán)重部署時(shí)自由度很大訓(xùn)練過(guò)程完全可控。缺點(diǎn)是精度天花板明顯對(duì)于復(fù)雜任務(wù)很難超過(guò)預(yù)訓(xùn)練模型。所以我的建議是如果數(shù)據(jù)集很小但圖像特征明顯比如純色背景下區(qū)分圓形和方形自建 CNN 足夠用如果圖像復(fù)雜、類別相近優(yōu)先考慮遷移學(xué)習(xí)。4.2 遷移學(xué)習(xí)用預(yù)訓(xùn)練模型大幅提升精度遷移學(xué)習(xí)的邏輯和自建模型完全不同。它的核心是復(fù)用在大規(guī)模數(shù)據(jù)集上訓(xùn)練好的模型參數(shù)——比如在 ImageNet 上已經(jīng)學(xué)好了邊緣、紋理、形狀等通用特征——然后在自己數(shù)據(jù)集上微調(diào)。這就像你不需要重新學(xué)習(xí)認(rèn)識(shí)顏色和輪廓只需要學(xué)習(xí)貓和狗的區(qū)別就行。使用 torchvision 的預(yù)訓(xùn)練模型最常用的幾個(gè)選項(xiàng)ResNet18 / ResNet50精度和速度最均衡的選擇EfficientNet-B0計(jì)算量更小精度相當(dāng)MobileNetV3適合移動(dòng)端部署場(chǎng)景VGG16結(jié)構(gòu)簡(jiǎn)單但參數(shù)量大訓(xùn)練慢實(shí)用性下降以 ResNet18 為例遷移學(xué)習(xí)的標(biāo)準(zhǔn)寫(xiě)法是凍結(jié)特征層參數(shù)替換最后一層全連接from torchvision import models model models.resnet18(weightsmodels.ResNet18_Weights.DEFAULT) # 凍結(jié)所有層的參數(shù) for param in model.parameters(): param.requires_grad False # 獲取最后一層全連接的輸入維度 num_features model.fc.in_features # 替換成自己的分類器 model.fc nn.Sequential( nn.Linear(num_features, 256), nn.ReLU(inplaceTrue), nn.Dropout(0.5), nn.Linear(256, 2) )這段代碼里最關(guān)鍵的邏輯是 requires_grad False。凍結(jié)特征層參數(shù)后反向傳播的梯度不會(huì)更新這些層的權(quán)重模型只會(huì)訓(xùn)練我們新加的全連接層。這樣有幾個(gè)好處一是訓(xùn)練速度大幅提升因?yàn)椴恍枰?jì)算大量參數(shù)的梯度二是可以有效防止數(shù)據(jù)集過(guò)小導(dǎo)致的過(guò)擬合避免破壞預(yù)訓(xùn)練模型已經(jīng)學(xué)好的通用特征表示。微調(diào)有兩種常用策略一是上面這種只訓(xùn)練分類頭的方案適合數(shù)據(jù)集幾百到幾千張的情況二是全量微調(diào)也就是所有層都放開(kāi)訓(xùn)練適合數(shù)據(jù)集規(guī)模較大時(shí)有足夠的樣本來(lái)刷新預(yù)訓(xùn)練知識(shí)。實(shí)際項(xiàng)目中我建議先用凍結(jié)方式訓(xùn)練幾個(gè) epoch 讓分類頭收斂然后解凍最后幾層做微調(diào)這樣精度更高也穩(wěn)定。4.3 損失函數(shù)和優(yōu)化器的選擇邏輯分類任務(wù)的標(biāo)準(zhǔn)配置是交叉熵?fù)p失函數(shù)加 SGD 或 Adam。這里的交叉熵?fù)p失函數(shù)值得多說(shuō)一句PyTorch 的 nn.CrossEntropyLoss 其實(shí)做了兩件事——對(duì)模型的輸出做 Softmax 歸一化然后計(jì)算負(fù)對(duì)數(shù)似然損失。所以模型最后一層不需要再接 Softmax直接輸出原始 logits 就好否則等于做了兩次歸一化精度會(huì)受影響。criterion nn.CrossEntropyLoss() optimizer torch.optim.Adam(model.fc.parameters(), lr0.001)優(yōu)化器方面Adam 適合快速迭代和調(diào)參對(duì)學(xué)習(xí)率的敏感度低一些。SGD 加 Momentum 需要更精細(xì)的學(xué)習(xí)率調(diào)整但收斂后的精度往往更高。我在實(shí)際訓(xùn)練中習(xí)慣先用 Adam 跑通流程之后如果有優(yōu)化需求再切換到帶學(xué)習(xí)率衰減的 SGD。這里有個(gè)新手常踩的坑如果只訓(xùn)練分類頭優(yōu)化的參數(shù)只有 model.fc.parameters()因?yàn)楸粌鼋Y(jié)的層沒(méi)有梯度。如果全量微調(diào)則要傳入 model.parameters()。如果混用凍結(jié)層和可訓(xùn)練層需要確保優(yōu)化器中傳入了正確的參數(shù)組否則會(huì)出現(xiàn)模型一點(diǎn)也不學(xué)習(xí)的困惑現(xiàn)象。4.4 設(shè)備準(zhǔn)備讓代碼自動(dòng)跑在 GPU 或 CPU 上模型訓(xùn)練前要先確定計(jì)算設(shè)備。建議直接寫(xiě)成下面這種自適應(yīng)方式避免在 GPU 機(jī)器上調(diào)試過(guò)的代碼挪到 CPU 機(jī)器上直接報(bào)錯(cuò)device torch.device(cuda if torch.cuda.is_available() else cpu) model model.to(device)model.to(device) 這一步很多人會(huì)漏掉導(dǎo)致前向傳播時(shí)模型還在 CPU 上數(shù)據(jù)在 GPU 上報(bào)錯(cuò)說(shuō) device mismatch。還有一點(diǎn)需要特別注意輸入圖片張量也要調(diào)用 .to(device) 移動(dòng)設(shè)備我在初學(xué)階段經(jīng)常因?yàn)橥洶?data 移動(dòng)到 GPU 上而報(bào)錯(cuò)這種問(wèn)題排查起來(lái)很浪費(fèi)時(shí)間。5. 訓(xùn)練循環(huán)與模型驗(yàn)證的完整實(shí)現(xiàn)5.1 標(biāo)準(zhǔn)訓(xùn)練循環(huán)代碼訓(xùn)練循環(huán)是整個(gè)項(xiàng)目最核心的代碼段。我把一個(gè)完整的訓(xùn)練驗(yàn)證循環(huán)貼出來(lái)這份代碼可以直接用以下方式運(yùn)行然后根據(jù)打印的日志判斷訓(xùn)練效果。def train_one_epoch(model, train_loader, criterion, optimizer, device): model.train() running_loss 0.0 correct 0 total 0 for inputs, labels in train_loader: inputs, labels inputs.to(device), labels.to(device) optimizer.zero_grad() outputs model(inputs) loss criterion(outputs, labels) loss.backward() optimizer.step() running_loss loss.item() * inputs.size(0) _, predicted torch.max(outputs, 1) total labels.size(0) correct (predicted labels).sum().item() epoch_loss running_loss / total epoch_acc correct / total return epoch_loss, epoch_acc def validate(model, val_loader, criterion, device): model.eval() running_loss 0.0 correct 0 total 0 with torch.no_grad(): for inputs, labels in val_loader: inputs, labels inputs.to(device), labels.to(device) outputs model(inputs) loss criterion(outputs, labels) running_loss loss.item() * inputs.size(0) _, predicted torch.max(outputs, 1) total labels.size(0) correct (predicted labels).sum().item() epoch_loss running_loss / total epoch_acc correct / total return epoch_loss, epoch_acc一個(gè)容易犯錯(cuò)的地方是寫(xiě)法上訓(xùn)練時(shí)必須調(diào)用 model.train()驗(yàn)證時(shí)必須調(diào)用 model.eval()。這兩個(gè)模式的區(qū)別在于 BatchNorm 和 Dropout 的行為train 模式下 Dropout 會(huì)隨機(jī)丟棄神經(jīng)元BatchNorm 會(huì)使用 batch 內(nèi)的統(tǒng)計(jì)量eval 模式下 Dropout 關(guān)閉BatchNorm 使用訓(xùn)練階段累積的全局統(tǒng)計(jì)量。如果驗(yàn)證時(shí)忘了切換到 eval 模式驗(yàn)證精度會(huì)異常波動(dòng)并且吃進(jìn)隨機(jī)性。另外驗(yàn)證階段必須包裹 torch.no_grad()它有兩個(gè)用處一是停止梯度追蹤節(jié)省顯存二是避免驗(yàn)證過(guò)程意外修改模型參數(shù)。5.2 模型保存策略只保留最優(yōu)權(quán)重訓(xùn)練過(guò)程中的模型保存也是有講究的。不經(jīng)思考地只在最后保存一次模型如果你中途過(guò)擬合了最后保存的就是過(guò)擬合的模型。我建議采用驗(yàn)證精度最高時(shí)保存的策略best_acc 0.0 for epoch in range(num_epochs): train_loss, train_acc train_one_epoch(...) val_loss, val_acc validate(...) print(fEpoch {epoch1}: train_loss{train_loss:.4f}, train_acc{train_acc:.4f}, fval_loss{val_loss:.4f}, val_acc{val_acc:.4f}) if val_acc best_acc: best_acc val_acc torch.save(model.state_dict(), best_model.pth) print(f - 保存最優(yōu)模型驗(yàn)證精度 {best_acc:.4f})torch.save 建議只保存 model.state_dict()它只保存模型權(quán)重參數(shù)不攜帶完整的模型結(jié)構(gòu)。原因有兩個(gè)一是文件體積更小二是加載時(shí)更靈活。你在 state_dict 之外還需要單獨(dú)記錄類別映射關(guān)系否則推理時(shí)只有數(shù)字類別沒(méi)有類別名稱。這個(gè)我后面會(huì)講。5.3 學(xué)習(xí)率調(diào)整和 early stopping 的實(shí)際價(jià)值訓(xùn)練過(guò)程中學(xué)習(xí)率設(shè)置是一個(gè)常見(jiàn)痛點(diǎn)。學(xué)習(xí)率太大模型震蕩不收斂太小則訓(xùn)練半天損失紋絲不動(dòng)。我喜歡用 ReduceLROnPlateau 做驗(yàn)證精度的自適應(yīng)調(diào)整scheduler torch.optim.lr_scheduler.ReduceLROnPlateau( optimizer, modemin, factor0.5, patience3 ) for epoch in range(num_epochs): train_loss, train_acc train_one_epoch(...) val_loss, val_acc validate(...) scheduler.step(val_loss)這里傳入的 modemin 表示當(dāng) val_loss 不再下降時(shí)把學(xué)習(xí)率乘以 0.5。patience3 意味著連續(xù) 3 個(gè) epoch 驗(yàn)證損失沒(méi)有明顯下降才觸發(fā)衰減。學(xué)習(xí)率衰減的原理是訓(xùn)練初期需要較大的步長(zhǎng)快速靠近最優(yōu)點(diǎn)但接近最優(yōu)點(diǎn)后大步長(zhǎng)會(huì)在最優(yōu)值附近震蕩此時(shí)縮小步長(zhǎng)可以讓損失繼續(xù)下降。early stopping 指的是當(dāng)驗(yàn)證損失連續(xù)多個(gè) epoch 不再下降時(shí)提前終止訓(xùn)練。這個(gè)和保存最優(yōu)模型配合起來(lái)用能有效避免過(guò)擬合。但我實(shí)際使用中有一個(gè)心得early stopping 的 patience 設(shè)置要根據(jù)數(shù)據(jù)集大小靈活調(diào)整小數(shù)據(jù)集設(shè) 5 個(gè) epoch 比較合理大數(shù)據(jù)集可能需要 10 個(gè)甚至更多 epoch 的耐心否則容易在驗(yàn)證損失的局部極小值處提前停止。6. 推理階段加載模型識(shí)別單張新圖片6.1 完整的推理代碼訓(xùn)練完成后真正到識(shí)別圖片這個(gè)動(dòng)作時(shí)代碼要包含三個(gè)步驟加載模型權(quán)重、對(duì)輸入圖片做和訓(xùn)練時(shí)完全一致的預(yù)處理、前向傳播得到預(yù)測(cè)結(jié)果。這份推理代碼我是按照生產(chǎn)環(huán)境的標(biāo)準(zhǔn)寫(xiě)的可以直接用import torch from PIL import Image from torchvision import transforms def predict_image(image_path, model, device, class_names): # 1. 加載并預(yù)處理圖片 image Image.open(image_path).convert(RGB) # 2. 預(yù)處理與驗(yàn)證集的預(yù)處理完全一致 preprocessing transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) input_tensor preprocessing(image).unsqueeze(0) # 形狀 [1, 3, 224, 224] input_tensor input_tensor.to(device) # 3. 推理 model.eval() with torch.no_grad(): outputs model(input_tensor) probabilities torch.softmax(outputs, dim1) confidence, predicted_idx torch.max(probabilities, dim1) predicted_class class_names[predicted_idx.item()] return predicted_class, confidence.item()調(diào)用示例# 設(shè)定類別映射0 對(duì)應(yīng) cat1 對(duì)應(yīng) dog class_names [cat, dog] # 加載訓(xùn)練好的最優(yōu)權(quán)重 model models.resnet18(weightsNone) num_features model.fc.in_features model.fc nn.Sequential(...) # 結(jié)構(gòu)必須和訓(xùn)練時(shí)完全一致 model.load_state_dict(torch.load(best_model.pth, map_locationdevice)) model model.to(device) result, confidence predict_image(test_photo.jpg, model, device, class_names) print(f識(shí)別結(jié)果{result}置信度{confidence:.2%})這里的關(guān)鍵坑在于 load_state_dict 前模型結(jié)構(gòu)必須與訓(xùn)練時(shí)完全一致。如果你在訓(xùn)練代碼里改過(guò) model.fc 的結(jié)構(gòu)那么推理代碼里也要做一模一樣的修改否則加載權(quán)重時(shí)會(huì)報(bào) size mismatch。為了避免這種問(wèn)題我強(qiáng)烈建議把模型構(gòu)建代碼寫(xiě)在一個(gè)函數(shù)里訓(xùn)練和推理都調(diào)用同一個(gè)函數(shù)不要二次復(fù)制。6.2 置信度識(shí)別結(jié)果的第二落點(diǎn)很多人做圖片識(shí)別只看預(yù)測(cè)類別但置信度信息其實(shí)更具價(jià)值。置信度是 Softmax 輸出的最大概率值表示為模型對(duì)該預(yù)測(cè)的自信程度。我在實(shí)際項(xiàng)目中總結(jié)的置信度決策規(guī)則置信度 0.9模型非常確定可以放心采納置信度在 0.6 到 0.9 之間模型有一定把握可以采納但要提示用戶核實(shí)置信度低于 0.6建議返回?zé)o法確定因?yàn)槎囝悇e中每個(gè)類別的概率都比較分散強(qiáng)取最大值很可能是錯(cuò)誤判斷一個(gè)常見(jiàn)場(chǎng)景是模型對(duì)貓的置信度是 0.45對(duì)狗的置信度是 0.42此時(shí)取貓作為結(jié)果并不穩(wěn)妥。這種低置信度通常意味著圖片里的目標(biāo)不明顯、遮擋嚴(yán)重或包含訓(xùn)練數(shù)據(jù)中未出現(xiàn)的背景干擾。如果業(yè)務(wù)場(chǎng)景對(duì)誤判容忍度低建議加一個(gè)置信度閾值判斷。6.3 推理性能優(yōu)化經(jīng)驗(yàn)如果識(shí)別功能要集成到實(shí)際應(yīng)用中推理速度和延遲就很重要了。幾個(gè)實(shí)用的優(yōu)化方向把整個(gè)模型用 model.eval() 切換去掉 Dropout 的隨機(jī)性對(duì)輸入圖片做 batch 推理把多張圖片合成一個(gè) batch 一次前向傳播比單張循環(huán)快很多倍使用 torch.no_grad() 防止構(gòu)建計(jì)算圖如果需要更高吞吐量可以考慮用 ONNX 導(dǎo)出模型加速但在精度要求高時(shí)要注意導(dǎo)出和推理的精度差異我參與過(guò)的一個(gè)圖片識(shí)別的技術(shù) Demo用 ResNet18 在 GPU 上單張推理延遲只有幾毫秒完全滿足實(shí)時(shí)應(yīng)用的需求。而如果換用 CPU 推理延遲會(huì)上升到幾十毫秒這種差距會(huì)讓一些對(duì)時(shí)延敏感的應(yīng)用場(chǎng)景做出不同的技術(shù)決策。7. 訓(xùn)練過(guò)程中遇到的經(jīng)典問(wèn)題排查實(shí)錄7.1 損失不下降我接觸的初學(xué)者項(xiàng)目里損失不下降或下降極慢是最常見(jiàn)的問(wèn)題。排查順序應(yīng)該按優(yōu)先級(jí)這樣走首先是學(xué)習(xí)率。學(xué)習(xí)率太小相當(dāng)于一個(gè)人走路步子邁得極小半天走不出原地。把學(xué)習(xí)率從默認(rèn)的 0.001 調(diào)到 0.01 或 0.1 測(cè)試一下。如果損失反而變成 NaN說(shuō)明學(xué)習(xí)率又太大了中間找平衡點(diǎn)。我常用的粗暴方式是 0.1、0.01、0.001 各試 20 個(gè) epoch看哪個(gè)收斂快且穩(wěn)定。其次是數(shù)據(jù)和標(biāo)簽是否對(duì)齊。檢查 dataloader 返回的圖片和標(biāo)簽是否匹配我遇到過(guò)圖片讀取順序和標(biāo)簽順序錯(cuò)位的問(wèn)題導(dǎo)致模型一直在學(xué)錯(cuò)誤對(duì)應(yīng)關(guān)系?？梢栽?DataLoader 里加調(diào)試代碼打印一批圖片對(duì)應(yīng)的標(biāo)簽確認(rèn)。還有一個(gè)隱蔽的問(wèn)題預(yù)處理時(shí)沒(méi)有做歸一化或歸一化錯(cuò)誤。如果圖片像素值還是 0~255 范圍模型第一層卷積的輸入范圍就不對(duì)特別是使用遷移學(xué)習(xí)模型時(shí)預(yù)訓(xùn)練權(quán)重期望的是 0~1 歸一化后帶標(biāo)準(zhǔn)差的輸入輸入范圍錯(cuò)誤會(huì)讓特征提取完全崩潰。7.2 顯存溢出顯存溢出Out of Memory在小顯存機(jī)器上訓(xùn)練大模型時(shí)幾乎必現(xiàn)。最有效的排查思路是降低 batch size從 32 降到 16 甚至 8。因?yàn)轱@存占用主要是每個(gè) batch 的中間特征圖和梯度batch size 直接線性影響顯存。另一個(gè)思路是減少圖片輸入尺寸224 降到 160 或 128這對(duì)顯存的影響是平方級(jí)別的。還有一招是使用梯度累積也就是用多個(gè)小 batch 模擬大 batch 的效果。比如顯存只夠跑 batch size 8但你需要 batch size 32那就跑 4 個(gè) batch 后累積梯度再更新一次參數(shù)。7.3 過(guò)擬合怎么判斷判斷過(guò)擬合不能只看訓(xùn)練集精度因?yàn)橛?xùn)練集精度沖到 100% 也很正常。核心指標(biāo)是訓(xùn)練和驗(yàn)證差距當(dāng)訓(xùn)練精度 95% 以上而驗(yàn)證精度停留在 75% 左右且驗(yàn)證損失在下降后又開(kāi)始回升這就是典型過(guò)擬合。緩解手段按優(yōu)先級(jí)排序數(shù)據(jù)增強(qiáng)加碼、加 Dropout 比例、縮小模型規(guī)模、提前停止。不要上來(lái)就換更大的模型那樣只會(huì)過(guò)擬合得更嚴(yán)重。我在做項(xiàng)目時(shí)首先看的是數(shù)據(jù)增強(qiáng)有沒(méi)有做夠數(shù)據(jù)集的多樣性是否覆蓋了應(yīng)用場(chǎng)景的分布。7.4 類別不平衡問(wèn)題實(shí)際項(xiàng)目中類別不平衡很常見(jiàn)。比如你做一個(gè)缺陷檢測(cè)99% 的圖片是合格品只有 1% 是有缺陷的。模型不需要學(xué)任何東西全預(yù)測(cè)合格就有 99% 精度但這種模型完全沒(méi)用。解決辦法一是加權(quán)損失函數(shù)PyTorch 的 CrossEntropyLoss 支持 weight 參數(shù)class_weights torch.tensor([1.0, 10.0]) # 少數(shù)類權(quán)重設(shè)為大的值 criterion nn.CrossEntropyLoss(weightclass_weights.to(device))解決辦法二是采樣策略對(duì)少數(shù)類過(guò)采樣、對(duì)多數(shù)類欠采樣。我自己更傾向于先用加權(quán)損失它簡(jiǎn)單直接改動(dòng)量小實(shí)用性高。7.5 亂加預(yù)訓(xùn)練權(quán)重導(dǎo)致的報(bào)錯(cuò)用遷移學(xué)習(xí)模型時(shí)遇到 state_dict 加載報(bào)錯(cuò)一般是新舊模型結(jié)構(gòu)不一致。最常發(fā)生的情況是你用了一個(gè) torchvision 模型然后手動(dòng)修改了 model.fc但加載預(yù)訓(xùn)練權(quán)重時(shí)服務(wù)端期望的還是原始完整結(jié)構(gòu)。解決辦法是設(shè)置 weightsNone 構(gòu)造模型后再加載自己的權(quán)重同時(shí)確保模型結(jié)構(gòu)完全一致。8. 實(shí)操總結(jié)與擴(kuò)展方向用 PyTorch 識(shí)別圖片這個(gè)需求看起來(lái)簡(jiǎn)單但把一個(gè)模型真正跑通、跑好中間的信息量其實(shí)非常大。我最后分享幾個(gè)經(jīng)驗(yàn)數(shù)據(jù)永遠(yuǎn)是第一位的。模型結(jié)構(gòu)再先進(jìn)數(shù)據(jù)沒(méi)準(zhǔn)備好效果也出不來(lái)。你花在數(shù)據(jù)清洗、數(shù)據(jù)增強(qiáng)上的時(shí)間永遠(yuǎn)比調(diào)模型結(jié)構(gòu)參數(shù)更值得。遷移學(xué)習(xí)是現(xiàn)在絕大多數(shù)場(chǎng)景的首選方案。自己從頭訓(xùn)練一個(gè)卷積神經(jīng)網(wǎng)絡(luò)除非你有幾十萬(wàn)上百萬(wàn)級(jí)的標(biāo)注數(shù)據(jù)否則很難超過(guò)一個(gè)微調(diào)好的預(yù)訓(xùn)練模型。用預(yù)訓(xùn)練模型不是偷懶是把前人幾十年的經(jīng)驗(yàn)?zāi)眠^(guò)來(lái)用這是聰明人的選擇。訓(xùn)練日志一定要完整記錄。損失值、精度、學(xué)習(xí)率、模型在哪個(gè) epoch 保存的這些信息看起來(lái)不起眼但在你回溯問(wèn)題、復(fù)現(xiàn)實(shí)驗(yàn)時(shí)能省下大把時(shí)間。我自己現(xiàn)在每跑一個(gè)實(shí)驗(yàn)都會(huì)把超參數(shù)和日志文件一起歸檔。做完一個(gè)基礎(chǔ)分類項(xiàng)目后你可以順這個(gè)方向繼續(xù)深入一是多標(biāo)簽分類一張圖中同時(shí)識(shí)別多個(gè)物體二是目標(biāo)檢測(cè)不只是分類而是框出物體的位置三是語(yǔ)義分割對(duì)每個(gè)像素做類別預(yù)測(cè)。這三個(gè)方向都是在圖像識(shí)別基礎(chǔ)上的自然延伸掌握了本文的基礎(chǔ)流程后你會(huì)發(fā)現(xiàn)它們很多思維方式是一脈相承的。希望這套完整的流程和代碼能夠幫你把第一個(gè) PyTorch 圖像識(shí)別項(xiàng)目順利跑通。在實(shí)際操作中遇到問(wèn)題歡迎把你的報(bào)錯(cuò)信息和實(shí)驗(yàn)現(xiàn)象記錄下來(lái)大家一起交流排查的思路。