• 🍨 本文为🔗365天深度学习训练营中的学习记录博客
• 🍖 原作者：K同学啊

🏡 我的环境：使用01中创建的虚拟环境mnist

• 虚拟环境：mnist

Python 3.10.19

Name: torch, Version: 2.10.0+cu130

Name: torchvision,Version: 0.25.0+cu130

• 编译器：Positron
• 深度学习环境：Pytorch

整体流程：

1. 导入库，设置GPU
2. 读取数据集，查看类别和图片
3. 对图像做预处理
4. 构建卷积神经网络
5. 定义损失函数和优化器
6. 训练模型，并画出准确率/损失曲线

你可以把它类比成病理AI里的流程：

• 图像 = 病理切片/patch
• 类别 = 肿瘤分型/良恶性/亚型
• 网络 = 自动提取图像特征的模型
• 训练 = 用标注数据让模型学会分类

一、 前期准备

1. 设置GPU

如果设备上支持GPU就使用GPU，否则使用CPU

import torch
import torch.nn as nn
import torchvision.transforms as transforms
import torchvision
from torchvision import transforms, datasets
import os,PIL,pathlib,random
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
device

• torch：PyTorch核心库
• torch.nn：神经网络模块
• torchvision：计算机视觉常用工具
• transforms：图像预处理
• datasets：常用数据集读取接口
• os、pathlib：路径和文件操作
• PIL：处理图像文件
• random：随机操作

2. 导入数据

天气数据集需要手动下载并解压缩到data文件夹下

# 导入数据集，数据集需要手动下载并放在data文件夹下
os.getcwd() # 获取当前工作目录，确认工作路径在P3文件夹下
data_dir = './data/'  # 定义数据集的路径（字符串形式）
data_dir = pathlib.Path(data_dir)  # 将字符串路径转换为Path对象，方便后续操作
data_paths = list(data_dir.glob('*'))
classeNames = [str(path).split("\\")[1] for path in data_paths]
classeNames

返回结果：['cloudy', 'rainy', 'shine', 'sunrise']

str(path).split("\\")[1]

这写法依赖 Windows 路径分隔符 \。
如果你在 Linux / Mac / Jupyter 某些环境中跑，路径分隔符通常是 /，这里就可能报错。

写成下面的方式可以跨平台使用

classeNames = [path.name for path in data_paths]

显示某个类别中的图片 这里是cloud

import matplotlib.pyplot as plt
from PIL import Image
# 指定图像文件夹路径
image_folder = './data/cloudy/'
# 获取文件夹中的所有图像文件
image_files = [f for f in os.listdir(image_folder) if f.endswith((".jpg", ".png", ".jpeg"))]
# 创建Matplotlib图像
fig, axes = plt.subplots(3, 8, figsize=(16, 6))
# 使用列表推导式加载和显示图像
for ax, img_file in zip(axes.flat, image_files):
    img_path = os.path.join(image_folder, img_file)
    img = Image.open(img_path)
    ax.imshow(img)
    ax.axis('off')
# 显示图像
plt.tight_layout()
plt.show()

把 cloudy 类别中的一些图片显示出来，看一下数据长什么样。

代码含义

• os.listdir(image_folder)：列出文件夹下所有文件
• f.endswith(...)：只保留图片格式
• plt.subplots(3, 8)：创建 3×8 的画布
• Image.open(img_path)：读图片
• ax.imshow(img)：显示图片
• ax.axis('off')：隐藏坐标轴

定义图像的预处理流程

total_datadir = './data/'

train_transforms = transforms.Compose([
    transforms.Resize([224, 224]),  # 将输入图片resize成统一尺寸
    transforms.ToTensor(),          # 将PIL Image或numpy.ndarray转换为tensor，并归一化到[0,1]之间
    transforms.Normalize(           
        mean=[0.485, 0.456, 0.406], 
        std=[0.229, 0.224, 0.225])
])

total_data = datasets.ImageFolder(total_datadir,transform=train_transforms)
total_data

把原始图片变成可以送进神经网络的数据格式。

transforms.Resize([224, 224])

把所有图片统一缩放到 224×224。

为什么要统一？
因为神经网络的输入尺寸通常需要一致。
这和你做病理 patch 分类时，把 patch 统一成 224×224、256×256 类似。

transforms.ToTensor()

把图片变成 PyTorch tensor，并把像素值从 0~255 变成 0~1。

例如：

• 原来一个像素值是 128
• 转 tensor 后变成 128/255 ≈ 0.502

transforms.Normalize(mean=..., std=...)

做标准化，让每个通道的数据分布更稳定，帮助模型更容易训练。

公式可以理解为：

🌟 mean与std数值是怎么来的？

这些均值和标准差是通过计算ImageNet数据集中所有训练图像的RGB通道均值和标准差得出的。具体计算过程如下：

1. 获取ImageNet数据集：ImageNet包含120万张训练图像，每张图像通常具有RGB三个通道。
2. 计算均值（Mean）：

• • 遍历所有图像，分别计算每个通道（R、G、B）的像素值平均值，得到：

• • • Red 通道均值 ≈ 0.485
    • Green 通道均值 ≈ 0.456
    • Blue 通道均值 ≈ 0.406

1. 计算标准差（Standard Deviation）：

• • 遍历所有图像，计算每个通道的像素值标准差，得到：

• • • Red 通道标准差 ≈ 0.229
    • Green 通道标准差 ≈ 0.224
    • Blue 通道标准差 ≈ 0.225

total_data=datasets.ImageFolder(total_datadir,transform=train_transforms)

自动读取 ./data/ 下按类别文件夹组织的图像数据。

ImageFolder 的要求

目录必须是：

data/
    类别1/
        img1.jpg
        img2.jpg
    类别2/
        img3.jpg
        img4.jpg

它会自动做什么

• 每张图片读取出来
• 根据所在文件夹自动赋标签
• 应用 train_transforms
• 形成一个可被 DataLoader 使用的数据集对象

比如：

• cloudy 可能被编码为 0
• rainy 可能被编码为 1

3. 划分数据集

train_size = int(0.8 * len(total_data))
test_size  = len(total_data) - train_size
train_dataset, test_dataset = torch.utils.data.random_split(total_data, [train_size, test_size])
train_dataset, test_dataset

作用

把整个数据集按 8:2 随机分成：

• 训练集 80%
• 测试集 20%

说明

• 训练集：模型学习参数
• 测试集：评估模型效果

这里要注意

这里是随机划分，但没有固定随机种子，所以每次运行的划分都可能不一样，结果也会有波动。

更规范的写法是：

构建 DataLoader

batch_size = 32
train_dl = torch.utils.data.DataLoader(train_dataset,
                                       batch_size=batch_size,
                                       shuffle=True)
test_dl = torch.utils.data.DataLoader(test_dataset,
                                      batch_size=batch_size,
                                      shuffle=True)

前面已经详细解释过

作用

把数据一批一批送入模型。

解释

batch_size=32：每次喂 32 张图

shuffle=True：每个 epoch 打乱顺序

为什么用 batch

因为不可能每次把所有图片一次性送进显存。
分批训练更节省内存，也更利于优化。

’ 查看一个 batch 的形状

for X, y in test_dl:
    print("Shape of X [N, C, H, W]: ", X.shape)
    print("Shape of y: ", y.shape, y.dtype)
    break

作用

检查数据输入格式是否正确。

返回结果

Shape of X [N, C, H, W]: torch.Size([32, 3, 224, 224])

Shape of y: torch.Size([32]) torch.int64

解释

• N=32：batch大小
• C=3：RGB三通道
• H=224, W=224
• y 是 32 个标签

二、构建简单的CNN网络

import torch.nn.functional as F

class Network_bn(nn.Module):
    def __init__(self):
        super(Network_bn, self).__init__()
        """
        nn.Conv2d()函数：
        第一个参数（in_channels）是输入的channel数量
        第二个参数（out_channels）是输出的channel数量
        第三个参数（kernel_size）是卷积核大小
        第四个参数（stride）是步长，默认为1
        第五个参数（padding）是填充大小，默认为0
        """
        self.conv1 = nn.Conv2d(in_channels=3, out_channels=12, kernel_size=5, stride=1, padding=0)
        self.bn1 = nn.BatchNorm2d(12)
        self.conv2 = nn.Conv2d(in_channels=12, out_channels=12, kernel_size=5, stride=1, padding=0)
        self.bn2 = nn.BatchNorm2d(12)
        self.pool1 = nn.MaxPool2d(2,2)
        self.conv4 = nn.Conv2d(in_channels=12, out_channels=24, kernel_size=5, stride=1, padding=0)
        self.bn4 = nn.BatchNorm2d(24)
        self.conv5 = nn.Conv2d(in_channels=24, out_channels=24, kernel_size=5, stride=1, padding=0)
        self.bn5 = nn.BatchNorm2d(24)
        self.pool2 = nn.MaxPool2d(2,2)
        self.fc1 = nn.Linear(24*50*50, len(classeNames))

    def forward(self, x):
        x = F.relu(self.bn1(self.conv1(x)))      
        x = F.relu(self.bn2(self.conv2(x)))     
        x = self.pool1(x)                        
        x = F.relu(self.bn4(self.conv4(x)))     
        x = F.relu(self.bn5(self.conv5(x)))  
        x = self.pool2(x)                        
        x = x.view(-1, 24*50*50)
        x = self.fc1(x)

        return x

device = "cuda" if torch.cuda.is_available() else "cpu"
print("Using {} device".format(device))

model = Network_bn().to(device)
model

网络层结构

self.conv1 = nn.Conv2d(in_channels=3, out_channels=12, kernel_size=5, stride=1, padding=0)

self.bn1 = nn.BatchNorm2d(12)

self.conv2 = nn.Conv2d(in_channels=12, out_channels=12, kernel_size=5, stride=1, padding=0)

self.bn2 = nn.BatchNorm2d(12)

self.pool1 = nn.MaxPool2d(2,2)

self.conv4 = nn.Conv2d(in_channels=12, out_channels=24, kernel_size=5, stride=1, padding=0)

self.bn4 = nn.BatchNorm2d(24)

self.conv5 = nn.Conv2d(in_channels=24, out_channels=24, kernel_size=5, stride=1, padding=0)

self.bn5 = nn.BatchNorm2d(24)

self.pool2 = nn.MaxPool2d(2,2)

self.fc1 = nn.Linear(24*50*50, len(classeNames))

第一层卷积

self.conv1 = nn.Conv2d(3, 12, 5, 1, 0)

表示：

• 输入通道数：3（RGB）
• 输出通道数：12
• 卷积核大小：5×5
• 步长：1
• padding：0

作用：从原始图像中提取初级特征，如边缘、纹理。

---

BatchNorm

self.bn1 = nn.BatchNorm2d(12)

作用：对每个 batch 的特征做归一化，帮助训练更稳定、收敛更快。

---

第二层卷积

self.conv2 = nn.Conv2d(12, 12, 5, 1, 0)

继续提取更复杂一点的特征。

---

最大池化

self.pool1 = nn.MaxPool2d(2,2)

作用：把特征图长宽缩小一半，同时保留最强响应。

比如：

• 从 216×216 变成 108×108

这有点像把图像信息压缩成更紧凑的表示。

---

后面两层卷积 + BN + 池化

self.conv4 ...
self.conv5 ...
self.pool2 ...

进一步提取更高层次的特征，并继续下采样。

---

全连接层

self.fc1 = nn.Linear(24*50*50, len(classeNames))

把最终提取出的特征映射到类别数。

如果类别数是 4，那么输出就是长度为 4 的向量，例如：

[2.1, -0.3, 1.7, 0.5]

这个向量叫 logits，表示每个类别的“得分”。

forward 前向传播

def forward(self, x):

x = F.relu(self.bn1(self.conv1(x)))

x = F.relu(self.bn2(self.conv2(x)))

x = self.pool1(x)

x = F.relu(self.bn4(self.conv4(x)))

x = F.relu(self.bn5(self.conv5(x)))

x = self.pool2(x)

x = x.view(-1, 24*50*50)

x = self.fc1(x)

return x

这几步的顺序

1. 卷积
2. BN
3. ReLU激活
4. 池化
5. 再卷积
6. 展平
7. 全连接分类

三、 训练模型

1. 设置超参数

定义损失函数和优化器

loss_fn    = nn.CrossEntropyLoss() # 创建损失函数
learn_rate = 1e-4 # 学习率
opt        = torch.optim.SGD(model.parameters(),lr=learn_rate)

2. 编写训练函数

# 训练循环
def train(dataloader, model, loss_fn, optimizer):
    size = len(dataloader.dataset)  # 训练集的大小，一共60000张图片
    num_batches = len(dataloader)   # 批次数目，1875（60000/32）

    train_loss, train_acc = 0, 0  # 初始化训练损失和正确率
    
    for X, y in dataloader:  # 获取图片及其标签
        X, y = X.to(device), y.to(device)
        
        # 计算预测误差
        pred = model(X)          # 网络输出
        loss = loss_fn(pred, y)  # 计算网络输出和真实值之间的差距，targets为真实值，计算二者差值即为损失
        
        # 反向传播
        optimizer.zero_grad()  # grad属性归零
        loss.backward()        # 反向传播
        optimizer.step()       # 每一步自动更新
        
        # 记录acc与loss
        train_acc  += (pred.argmax(1) == y).type(torch.float).sum().item()
        train_loss += loss.item()
            
    train_acc  /= size
    train_loss /= num_batches

    return train_acc, train_loss

3. 编写测试函数

def test (dataloader, model, loss_fn):
    size        = len(dataloader.dataset)  # 测试集的大小，一共10000张图片
    num_batches = len(dataloader)          # 批次数目，313（10000/32=312.5，向上取整）
    test_loss, test_acc = 0, 0
    
    # 当不进行训练时，停止梯度更新，节省计算内存消耗
    with torch.no_grad():
        for imgs, target in dataloader:
            imgs, target = imgs.to(device), target.to(device)
            
            # 计算loss
            target_pred = model(imgs)
            loss        = loss_fn(target_pred, target)
            
            test_loss += loss.item()
            test_acc  += (target_pred.argmax(1) == target).type(torch.float).sum().item()

    test_acc  /= size
    test_loss /= num_batches

    return test_acc, test_loss

4. 正式训练

epochs     = 20
train_loss = []
train_acc  = []
test_loss  = []
test_acc   = []

for epoch in range(epochs):
    model.train()
    epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, opt)
    
    model.eval()
    epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn)
    
    train_acc.append(epoch_train_acc)
    train_loss.append(epoch_train_loss)
    test_acc.append(epoch_test_acc)
    test_loss.append(epoch_test_loss)
    
    template = ('Epoch:{:2d}, Train_acc:{:.1f}%, Train_loss:{:.3f}, Test_acc:{:.1f}%，Test_loss:{:.3f}')
    print(template.format(epoch+1, epoch_train_acc*100, epoch_train_loss, epoch_test_acc*100, epoch_test_loss))
print('Done')

四、 结果可视化

import matplotlib.pyplot as plt
#隐藏警告
import warnings
warnings.filterwarnings("ignore")               #忽略警告信息
plt.rcParams['font.sans-serif']    = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False      # 用来正常显示负号
plt.rcParams['figure.dpi']         = 100        #分辨率

from datetime import datetime
current_time = datetime.now() # 获取当前时间

epochs_range = range(epochs)

plt.figure(figsize=(12, 3))
plt.subplot(1, 2, 1)

plt.plot(epochs_range, train_acc, label='Training Accuracy')
plt.plot(epochs_range, test_acc, label='Test Accuracy')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')
plt.xlabel(current_time) # 打卡请带上时间戳，否则代码截图无效

plt.subplot(1, 2, 2)
plt.plot(epochs_range, train_loss, label='Training Loss')
plt.plot(epochs_range, test_loss, label='Test Loss')
plt.legend(loc='upper right')
plt.title('Training and Validation Loss')
plt.show()

五、总结

第1步：准备电脑环境

看看能不能用GPU。

第2步：准备数据

确认数据文件夹里每个子目录就是一个类别。

第3步：先人工看看图

确认图片没问题。

第4步：统一图像尺寸并标准化

把所有图片变成模型能吃的数据格式。

第5步：随机分训练集和测试集

让模型一部分拿来学，一部分拿来考试。

第6步：搭一个卷积网络

让它自己从图像中提取特征。

第7步：定义误差怎么计算

用交叉熵衡量分类对不对。

第8步：反复训练20轮

每轮：

• 学习训练集
• 在测试集上看效果

第9步：把训练过程画出来

看模型有没有收敛、有没有过拟合。