第 P6 周：VGG-16 算法 — PyTorch 实现人脸识别

sqc233sqc

366人浏览 · 2026-04-03 19:57:41

sqc233sqc · 2026-04-03 19:57:41 发布

👉声明

本文为 365 天深度学习训练营内部参考文章的个人学习记录，代码与实验在本地完成。
数据集来源训练营提供的 48-data.zip（本地解压/整理为 6-data/）；数据集请勿对外公开传播。
原作者：K同学啊
本篇为个人在 P6 关卡上的学习与实践记录

第 P6 周：VGG-16 算法 — PyTorch 实现人脸识别

🏡 我的环境（参考）

语言：Python 3.8+ / 3.11（以本机为准）
编译器：Jupyter Lab
深度学习：PyTorch、torchvision（需支持 torchvision.models.vgg16）
数据：6-data/（由训练营人脸数据整理而来，目录内为「每位名人一个子文件夹」）

🍺 本周要求

保存训练过程中测试集上最佳模型权重（state_dict）。
调用官方 VGG-16（torchvision.models.vgg16），并将分类头改为本数据集类别数。

🍻 拔高（可选）

将测试集准确率推到约 60%（小数据多分类 + 从头训练 VGG 往往只在十几个百分点，更现实的做法是使用 ImageNet 预训练权重 + 数据增强 + 微调，见下文与 p6.ipynb）。
手动搭建 VGG-16 框架（与预训练对照），notebook 第八节附有 ManualVGG16 示例。

一、本周学习内容概览

本周任务是在人脸图像多分类数据上，使用 VGG-16 完成特征提取与分类：

数据：6-data/ 下按人物姓名为子文件夹（如 Brad Pitt/、Tom Hanks/ 等），共 17 类；当前样本量在各类间大致平衡（多数类 100 张，个别类略多）。
划分：无现成 train/test 子目录时，在代码中对全部样本做 8:2 分层随机划分（优先 sklearn.model_selection.train_test_split(..., stratify=)），训练集使用 Resize + RandomCrop + 水平翻转，测试集仅 Resize 到 224，再配合 ImageNet 均值方差标准化。
模型：使用 官方 vgg16，加载 ImageNet 预训练权重（兼容 VGG16_Weights.IMAGENET1K_V1 与旧版 pretrained=True），将 classifier 最后一层改为 Linear(..., num_classes)。
优化：CrossEntropyLoss + SGD(momentum=0.9, weight_decay=1e-4)，初始学习率 1e-4；动态学习率采用 LambdaLR：lambda epoch: 0.92 ** (epoch // 4)。
最佳权重：每个 epoch 在测试集上评估，若优于历史最佳则保存为 best_model_p6.pth。

具体 Loss/Accuracy 曲线与最终 Best Test Acc 以本机运行 p6.ipynb 为准。

二、必要代码与关键点说明

1. 设备

import torch

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

2. 数据：按索引划分 + 不同变换

核心思路：ImageFolder 根目录读入后得到 base_dataset.samples / targets，对索引做划分，再用包装类在 __getitem__ 里施加 train_transforms 或 test_transform（避免「训练集和测试集共用一种增强」）。

分层划分示例：

from pathlib import Path
from torchvision import datasets, transforms
import numpy as np

try:
    from sklearn.model_selection import train_test_split
except ImportError:
    train_test_split = None

data_root = Path("6-data")
base_dataset = datasets.ImageFolder(str(data_root), transform=None)
num_classes = len(base_dataset.classes)

train_transforms = transforms.Compose([
    transforms.Resize((256, 256)),
    transforms.RandomCrop(224),
    transforms.RandomHorizontalFlip(),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
])
test_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]),
])

IndexedImageFolder 详见 p6.ipynb 数据单元。

3. 官方 VGG-16 与替换分类头

import torch.nn as nn
import torchvision


def build_vgg16(num_classes: int, pretrained: bool = True):
    model = None
    if pretrained:
        try:
            from torchvision.models import vgg16, VGG16_Weights
            model = vgg16(weights=VGG16_Weights.IMAGENET1K_V1)
        except Exception:
            model = torchvision.models.vgg16(pretrained=True)
    else:
        try:
            from torchvision.models import vgg16
            model = vgg16(weights=None)
        except Exception:
            model = torchvision.models.vgg16(pretrained=False)
    in_features = model.classifier[-1].in_features
    model.classifier[-1] = nn.Linear(in_features, num_classes)
    return model

4. 训练与测试（单份定义即可）

训练函数内在 model.train() 下前向与反传；测试在 model.eval() + torch.no_grad() 下只做前向。

请添加图片描述

5. 动态学习率（LambdaLR）

learn_rate = 1e-4
optimizer = torch.optim.SGD(model.parameters(), lr=learn_rate, momentum=0.9, weight_decay=1e-4)
lambda1 = lambda epoch: 0.92 ** (epoch // 4)
scheduler = torch.optim.lr_scheduler.LambdaLR(optimizer, lr_lambda=lambda1)

每个 epoch 推荐顺序：train → test → scheduler.step()。

6. 正式训练并保存最佳权重

epochs = 40
best_acc = 0.0
best_path = "best_model_p6.pth"
train_loss, train_acc = [], []
test_loss, test_acc = [], []

for epoch in range(epochs):
    epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, optimizer)
    epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn)
    scheduler.step()

    train_acc.append(epoch_train_acc)
    train_loss.append(epoch_train_loss)
    test_acc.append(epoch_test_acc)
    test_loss.append(epoch_test_loss)

    if epoch_test_acc > best_acc:
        best_acc = epoch_test_acc
        torch.save(model.state_dict(), best_path)

    lr = optimizer.param_groups[0]["lr"]
    print(
        f"Epoch:{epoch+1:2d}, Train_acc:{epoch_train_acc*100:.1f}%, Train_loss:{epoch_train_loss:.3f}, "
        f"Test_acc:{epoch_test_acc*100:.1f}%, Test_loss:{epoch_test_loss:.3f}, Lr:{lr:.2E}"
    )

print("Done")
print(f"Best Test Acc: {best_acc*100:.2f}% | Saved to: {best_path}")

与 TensorFlow 的 ModelCheckpoint 类似之处：都按验证指标保留最优；PyTorch 更常见的是只存 state_dict 而非整图+优化器（除非要做断点续训）。

三、结果可视化

使用 matplotlib 绘制 train_acc / test_acc 与对应 Loss，横轴为 epoch；若在 WSL/Linux 下没有 SimHei，中文可能显示为方框，可安装字体或改用英文字样。

四、指定图片预测与加载最佳模型

预测：对 test_dataset 随机下标取 (tensor, label)，与训练一致的通道顺序在 Tensor 上 unsqueeze(0) 后 model(x)。
加载：build_vgg16(num_classes, pretrained=False) 搭建同结构网络，再 load_state_dict(torch.load(best_path, map_location=device))，最后在测试集上复算准确率以确认与训练时最佳 epoch 一致。

五、关于「测试集 60%」与原文 ~17% 现象

训练营原文在学习率偏小、增强不足、且相当于从零训练大型网络时，容易出现 Train/Test 只有约百分之十几 的情况。要在人脸多分类上达到 ~60% 测试准确率，实践中通常需要：

ImageNet 预训练 backbone + 仅微调分类头或全流程小学习率微调；
训练端增强（随机裁剪、翻转等）与适当 weight decay；
若仍不足：可尝试 先冻结 features 若干 epoch 再解冻、AdamW、更长 epochs、或更强的随机增强策略。

若故意将 USE_PRETRAINED = False 做对照实验，则更容易复现「低准确率、难收敛」的现象，这与理论预期一致。

六、个人总结

本周系统过了一遍 VGG-16 的结构特点（重复 3×3 卷积堆叠、池化降采样、全连接分类头），并在真实人脸数据上完成 PyTorch 训练闭环：划分数据、DataLoader、官方模型替换最后一层、LambdaLR、按测试集保存最佳 best_model_p6.pth。与 P4/P5 相比，人脸识别类别更多，更依赖预训练与正则；同时再次体会到 路径与 num_classes 必须自数据集自动推断，避免 Linear(..., 0) 引发 GPU 侧断言类错误。后续若冲更高准确率，会在当前 p6.ipynb 基础上尝试两阶段冻结/解冻与更细的学习率策略。