ResNet 图像识别实战

### ResNet 实战图像识别教程 #### 数据准备与预处理 为了确保输入的数据能够被ResNet有效利用，在数据进入模型之前，需对其进行一系列预处理工作。具体来说： - **调整图片尺寸**：所有用于训练的图片会被重置为固定大小（通常是224×224），这有助于加速训练过程并提高效率[^3]。 - **归一化处理**：通过将像素值映射至[-1, 1]区间内，可增强模型的学习能力，使得收敛更加稳定快速。 ```python import torchvision.transforms as transforms transform = transforms.Compose([ transforms.Resize((224, 224)), # 将图片调整为指定大小 transforms.ToTensor(), # 转换为PyTorch Tensor格式 transforms.Normalize(mean=[0.5], std=[0.5]) # 归一化到 [-1, 1] ]) ``` #### 构建ResNet模型 基于已有的研究发现，随着网络深度增加，ResNet的表现会越来越好，即使达到上千层也能保持良好的性能表现[^1]。下面是一个简单的ResNet定义实例： ```python from torchvision import models resnet_model = models.resnet50(pretrained=True) for param in resnet_model.parameters(): param.requires_grad = False num_ftrs = resnet_model.fc.in_features resnet_model.fc = torch.nn.Linear(num_ftrs, num_classes) ``` 这里选择了`resnet50`作为基础架构，并冻结了除最后一层外的所有参数，以便于迁移学习的应用场景下能更专注于特定任务的学习。 #### 训练流程设置 当完成了上述准备工作之后，则可以开始配置具体的训练环节。此部分主要包括损失函数的选择、优化器设定等方面的内容。 ```python criterion = torch.nn.CrossEntropyLoss() optimizer = torch.optim.Adam(resnet_model.fc.parameters()) scheduler = torch.optim.lr_scheduler.StepLR(optimizer, step_size=7, gamma=0.1) ``` 以上代码片段展示了如何初始化交叉熵损失函数以及Adam优化算法；同时还设置了学习率衰减策略以帮助提升最终的效果。 #### 开始训练 最后一步就是执行实际的训练循环逻辑，期间不断迭代更新权重直至满足停止条件为止。 ```python def train(model, dataloaders, criterion, optimizer, scheduler, device='cuda'): model.to(device) best_acc = 0.0 for epoch in range(num_epochs): print(f'Epoch {epoch}/{num_epochs - 1}') running_loss = 0.0 running_corrects = 0 for inputs, labels in dataloaders['train']: inputs = inputs.to(device) labels = labels.to(device) outputs = model(inputs) loss = criterion(outputs, labels) _, preds = torch.max(outputs, 1) optimizer.zero_grad() loss.backward() optimizer.step() running_loss += loss.item() * inputs.size(0) running_corrects += torch.sum(preds == labels.data) scheduler.step() epoch_loss = running_loss / dataset_sizes['train'] epoch_acc = running_corrects.double() / dataset_sizes['train'] if phase == 'val': is_best = val_accuracy > best_val_accuracy save_checkpoint({ 'epoch': epoch + 1, 'state_dict': model.state_dict(), 'best_prec1': best_precision_1, 'optimizer' : optimizer.state_dict(), }, is_best) ``` 这段伪代码概括了一个完整的训练周期内的主要操作步骤，包括前向传播计算预测结果、反向传播更新梯度等核心要素。