VGG-16卷积神经网络犬类识别

### 使用VGG-16卷积神经网络实现犬类图像分类 为了使用预训练的VGG-16模型来执行犬类图像分类任务，可以按照以下方法构建解决方案。此过程涉及准备环境、加载预训练模型以及调整模型以适应特定的任务需求。 #### 准备工作 确保安装了必要的库版本： ```bash pip install torch==1.9.0 torchvision==0.10.0 ``` #### 加载并配置VGG-16模型 通过`torchvision.models`模块可以直接获取已经完成训练的VGG-16模型实例，并将其设置为评估模式以便后续操作[^2]。 ```python import torch from torchvision import models use_pretrained = True net = models.vgg16(pretrained=use_pretrained) net.eval() print(net) ``` 这段代码会打印出完整的VGG-16架构详情，帮助理解每一层的功能及其参数量大小。 #### 修改最后一层全连接层 由于原始VGG-16是在ImageNet上进行了预训练，默认情况下其最后的全连接层输出维度对应于该数据集中存在的1000个类别。对于仅需区分两类（例如只针对犬类或其他任何二元分类场景），应当修改这一部分使其更适合当前任务的需求。 ```python num_features = net.classifier[-1].in_features features = list(net.classifier.children())[:-1] # 去掉最后一个全连接层 fc_layer = torch.nn.Linear(num_features, 1) # 新增一层用于二分类 features.extend([torch.nn.ReLU(inplace=True), fc_layer]) net.classifier = torch.nn.Sequential(*features) if torch.cuda.is_available(): net = net.cuda() print("Modified Model:", net) ``` 这里创建了一个新的线性变换层作为最终预测器，它接收来自倒数第二层特征映射的数量作为输入，并产生单一数值输出表示属于某一类别的概率估计值；同时加入了激活函数ReLU以保持非线性的特性。 #### 数据预处理与增强 考虑到实际应用中的X光安检图像可能较为复杂且背景干扰较多，在进行图像识别之前通常还需要对输入样本做适当转换处理，比如裁剪、缩放、翻转等随机变化手段增加泛化能力[^1]。然而，对于简单的宠物照片而言，则只需遵循标准流程即可满足要求。 ```python from torchvision import transforms 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]) ]), } ``` 上述定义了一套适用于训练阶段和验证/测试阶段的不同图像预处理策略集合，包括尺寸调整、颜色标准化等一系列常规步骤，有助于提高模型性能表现。 #### 训练模型 有了经过改造后的基础框架之后就可以着手准备具体的训练环节了。这一步骤涉及到批量读取图片文件夹内的所有样本、分配至GPU设备加速计算速度等方面的工作细节。 ```python from torch.utils.data import DataLoader from torchvision.datasets import ImageFolder image_datasets = {x: ImageFolder(root=f'data/{x}', transform=data_transforms[x]) for x in ['train', 'val']} dataloaders = {x: DataLoader(image_datasets[x], batch_size=4, shuffle=(x=='train'), num_workers=4) for x in ['train', 'val']} device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') criterion = torch.nn.BCEWithLogitsLoss().to(device) optimizer = torch.optim.Adam(filter(lambda p: p.requires_grad, net.parameters()), lr=1e-4) for epoch in range(num_epochs): running_loss = 0.0 for phase in ['train', 'val']: if phase == 'train': model.train(True) else: model.train(False) for inputs, labels in dataloaders[phase]: optimizer.zero_grad() with torch.set_grad_enabled(phase == 'train'): outputs = net(inputs.to(device)) loss = criterion(outputs.squeeze(), labels.float().to(device)) if phase == 'train': loss.backward() optimizer.step() running_loss += loss.item() print(f"[Epoch {epoch+1}/{num_epochs}] Loss: {running_loss:.4f}") ``` 以上展示了基本的循环迭代逻辑，其中包含了切换不同运行状态(`train`, `eval`)、前向传播求解损失值、反向传播更新权重参数等内容。注意此处假设标签是以整型形式给出而输出则采用sigmoid压缩到区间内再比较差异度。