[Pytorch案例实践005]蚂蚁&蜜蜂图像分类

一、项目介绍

    这个项目的目标是使用 PyTorch 构建一个卷积神经网络（CNN），对蚂蚁和蜜蜂两种昆虫的图片进行分类。数据集由包含这两种昆虫的图片组成，分为训练集和验证集。通过训练过程，模型将学习如何区分这两种昆虫，并最终能够准确地对新图片进行分类。

项目结构

1. 数据准备：- 数据集被划分为训练集和验证集。- 使用了 torchvision.transforms 来定义数据预处理步骤，包括图像缩放、裁剪、归一化等。- 使用 torch.utils.data.DataLoader 来加载数据集，方便批量处理。
2. 模型定义：- 构建了一个简单的卷积神经网络，包含多个卷积层、池化层和全连接层。- 最后一层使用全局平均池化层，以便处理不同大小的输入图像，并确保输出特征的尺寸一致。
3. 训练过程：- 使用交叉熵损失函数作为目标函数。- 使用随机梯度下降（SGD）作为优化器，并设置了学习率衰减策略。- 在每个 epoch 结束时，根据验证集上的性能保存最佳模型。
4. 评估指标：- 计算了每个 epoch 的损失和准确率。- 使用了进度条库 tqdm 来可视化训练进度。
5. 学习率曲线保存：- 记录了每个 epoch 的学习率，并绘制了学习率曲线。

二、数据集介绍

数据集概况

• 来源：数据集来源于公开的数据源百度飞桨--昆虫分类任务_数据集-飞桨AI Studio星河社区 (baidu.com)。
• 类别：数据集中包含两类昆虫——蚂蚁和蜜蜂。
• 图像数量：数据集通常会被细分为训练集、验证集和测试集。训练集用于训练模型；验证集用于调整超参数和防止过拟合；测试集则是在训练过程中未使用的数据，用于最终评估模型的泛化能力。

三、完整代码

import torch
import torch.nn as nn
import torch.optim as optim
from torch.optim import lr_scheduler
from torch.utils.data import DataLoader
from torchvision import datasets, transforms
import matplotlib.pyplot as plt
import time
import os
import copy
from tqdm import tqdm

# 定义数据预处理步骤
data_transforms = {
    'train': transforms.Compose([
        transforms.RandomResizedCrop(224),
        transforms.RandomHorizontalFlip(),
        transforms.ToTensor(),
        transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
    ]),
    'val': transforms.Compose([
        transforms.Resize(256),
        transforms.CenterCrop(224),
        transforms.ToTensor(),
        transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
    ]),
}

# 假设数据集位于以下目录
data_dir = 'I:/code/pytorch/ants&bees/datasets'
image_datasets = {x: datasets.ImageFolder(os.path.join(data_dir, x), data_transforms[x])
                  for x in ['train', 'val']}
dataloaders = {x: DataLoader(image_datasets[x], batch_size=4,
                             shuffle=True, num_workers=4)
               for x in ['train', 'val']}
dataset_sizes = {x: len(image_datasets[x]) for x in ['train', 'val']}
class_names = image_datasets['train'].classes

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")

# 构建简单的卷积神经网络
def make_net():
    model = nn.Sequential(
        nn.Conv2d(3, 6, 5),
        nn.MaxPool2d(2, 2),
        nn.ReLU(True),
        nn.Conv2d(6, 16, 5),
        nn.MaxPool2d(2, 2),
        nn.ReLU(True),
        nn.Conv2d(16, 120, 5),
        nn.ReLU(True),
        nn.AdaptiveAvgPool2d((1, 1)),
        nn.Flatten(),
        nn.Linear(120, 84),
        nn.ReLU(True),
        nn.Linear(84, 2),
    )
    return model.to(device)

# 设置训练参数
# 设置训练参数
def train_model(model, criterion, optimizer, scheduler, num_epochs=25):
    since = time.time()

    best_model_wts = copy.deepcopy(model.state_dict())
    best_acc = 0.0
    lrs = []  # 存储每轮的学习率

    for epoch in range(num_epochs):
        print(f'Epoch {epoch}/{num_epochs - 1}')
        print('-' * 10)

        # 每个epoch有两个阶段：训练和验证
        for phase in ['train', 'val']:
            if phase == 'train':
                model.train()  # 设置模型为训练模式
            else:
                model.eval()  # 设置模型为评估模式

            running_loss = 0.0
            running_corrects = 0

            # 迭代数据
            for inputs, labels in tqdm(dataloaders[phase], desc=f'{phase} epoch {epoch}'):
                inputs = inputs.to(device)
                labels = labels.to(device)

                # 清零梯度
                optimizer.zero_grad()

                # 前向传播
                # 在训练时跟踪梯度，在验证时不跟踪
                with torch.set_grad_enabled(phase == 'train'):
                    outputs = model(inputs)
                    _, preds = torch.max(outputs, 1)
                    loss = criterion(outputs, labels)

                    # 只有在训练阶段才反向传播 + 优化
                    if phase == 'train':
                        loss.backward()
                        optimizer.step()

                # 统计
                running_loss += loss.item() * inputs.size(0)
                running_corrects += torch.sum(preds == labels.data).to(device)  # 确保张量位于正确的设备上

            if phase == 'train':
                scheduler.step()
                lrs.append(scheduler.get_last_lr()[0])  # 记录学习率

            epoch_loss = running_loss / dataset_sizes[phase]
            epoch_acc = running_corrects.double() / dataset_sizes[phase]  # 使用 double() 转换为 double 精度

            print(f'{phase} Loss: {epoch_loss:.4f} Acc: {epoch_acc:.4f}')

            # 深拷贝模型
            if phase == 'val' and epoch_acc > best_acc:
                best_acc = epoch_acc
                best_model_wts = copy.deepcopy(model.state_dict())

        print()

    time_elapsed = time.time() - since
    print(f'Training complete in {time_elapsed // 60:.0f}m {time_elapsed % 60:.0f}s')
    print(f'Best val Acc: {best_acc:4f}')

    # 加载最佳模型权重
    model.load_state_dict(best_model_wts)

    # 绘制学习率曲线
    plot_learning_rate(lrs)
    return model

def plot_learning_rate(lrs):
    plt.figure()
    plt.plot(lrs, label='Learning Rate')
    plt.title('Learning Rate Over Time')
    plt.xlabel('Epoch')
    plt.ylabel('Learning Rate')
    plt.legend()
    plt.savefig('learning_rate_curve.png')
    plt.close()

def plot_loss_accuracy(train_losses, val_losses, train_accs, val_accs):
    epochs = range(len(train_losses))

    plt.figure()
    plt.subplot(2, 1, 1)
    plt.plot(epochs, train_losses, label='Training Loss')
    plt.plot(epochs, val_losses, label='Validation Loss')
    plt.title('Loss Over Time')
    plt.xlabel('Epoch')
    plt.ylabel('Loss')
    plt.legend()

    plt.subplot(2, 1, 2)
    plt.plot(epochs, train_accs, label='Training Accuracy')
    plt.plot(epochs, val_accs, label='Validation Accuracy')
    plt.title('Accuracy Over Time')
    plt.xlabel('Epoch')
    plt.ylabel('Accuracy')
    plt.legend()

    plt.tight_layout()
    plt.savefig('loss_accuracy_curve.png')
    plt.close()

# 主程序
if __name__ == "__main__":
    model = make_net()

    criterion = nn.CrossEntropyLoss()
    optimizer = optim.SGD(model.parameters(), lr=0.001, momentum=0.9)
    scheduler = lr_scheduler.StepLR(optimizer, step_size=7, gamma=0.1)

    model = train_model(model, criterion, optimizer, scheduler, num_epochs=100)

    torch.save(model.state_dict(), 'best_model.pth')

四、总结

    这个项目展示了一个完整的深度学习流程，包括数据预处理、模型构建、训练、评估。