算法面试准备 - 手撕系列第七期 - MLP(利用FashionMNIST数据集)

算法面试准备 - 手撕系列第七期 - MLP(利用FashionMNIST数据集)

FashionMINIST 图像分类原理解析

本文将详细解析基于 PyTorch 实现的 FashionMNIST 图像分类的原理及代码结构，适用于初学者理解深度学习图像分类任务的完整流程。

---

1. 全连接的原理图

全连接的原理图

2. 背景介绍

FashionMNIST 数据集是一个用于替代经典 MNIST 数据集的基准数据集。它包含 10 类不同的服装图像，每张图像大小为 28x28 像素，灰度图像。

类别编号	类别名称
0	T 恤/上衣
1	裤子
2	套衫
3	连衣裙
4	外套
5	凉鞋
6	衬衫
7	运动鞋
8	包
9	短靴

---

3.引入相关库函数

# 该模块主要是为了实现FashionMinist图像分类。图像的大小为(28,28),类别为同样为10类
'''
# Part1引入相关的库函数
'''
import torch
from torch import nn
from torch.utils import data

import torchvision
from torchvision import transforms

4. 数据预处理

图像分类任务的第一步是数据加载和预处理。在代码中，通过 torchvision.datasets.FashionMNIST 加载数据集，并对图像进行以下处理：

1. 转换为张量：使用 transforms.ToTensor() 将图像转换为 PyTorch 张量格式，并将像素值归一化到 [0, 1]。
2. 数据分割：划分为训练集和测试集，使用 DataLoader 封装成可迭代的数据加载器。

'''
# Part2 数据集的加载,和dataloader的初始化
'''

transforms_action = [transforms.ToTensor()]
transforms_action = transforms.Compose(transforms_action)

Minist_train = torchvision.datasets.FashionMNIST(root='Minist', train=True, transform=transforms_action, download=True)
Minist_test = torchvision.datasets.FashionMNIST(root='Minist', train=False, transform=transforms_action, download=True)

train_dataloader = data.DataLoader(dataset=Minist_train, batch_size=15, shuffle=True)
test_dataloader = data.DataLoader(dataset=Minist_test, batch_size=15, shuffle=True)

---

5. 模型设计

本例中使用的是多层感知机（MLP）模型，它由以下组件构成：

1. 输入层：将输入的 28x28 图像展开为一维向量（大小为 784）。
2. 隐藏层：一层全连接层，输出大小为 128，激活函数使用 ReLU。
3. 输出层：全连接层输出大小为 10，对应 10 个类别。

class MLP(nn.Module):
    def __init__(self, image_size, num_kind,latent=128):
        super(MLP, self).__init__()
        self.Linear1 = nn.Linear(image_size, latent, bias=False)
        
        self.relu1 = nn.ReLU()
        
        # 因为最后一层常用于一些其他操作，进行信息传递，一般就不添加非线性的激活函数了，一般都是不需要的。
        self.Linear2 = nn.Linear(latent, num_kind, bias=False)
        
        # 计算CrossEntropyLoss时候会自动计算softmax所以不需要。
        # self.softmax = nn.Softmax(dim=-1)

    def forward(self, x):  # (batch,1,28,28)
        x = x.reshape(x.size()[0], -1)
        x = self.Linear1(x)
        x = self.relu1(x)
        x = self.Linear2(x)
        # x = self.softmax(x)
        return x  # (batch,10)

---

6. 初始化网络，损失函数与优化器

分类任务中使用交叉熵损失（CrossEntropyLoss），其原理是衡量预测类别分布与真实类别分布之间的差异。

优化器选择随机梯度下降（SGD），其更新公式为：
$${\theta }_{t+1}={\theta }_t-\eta \nabla L({\theta }_t)$$
其中：

• ${\theta }_t$ 为当前参数
• $\eta$ 为学习率
• $\nabla L({\theta }_t)$ 为损失函数的梯度

# 初始化网络
net = MLP(784, 10)
# 初始化loss
loss = nn.CrossEntropyLoss()
# 初始化优化器
optimizer = torch.optim.SGD(params=net.parameters(), lr=1e-3)

---

7. 训练与测试

7.1 训练过程

1. 遍历每个批次的数据：
   • 将图像输入模型，计算预测结果。
   • 计算损失函数，反向传播计算梯度。
   • 使用优化器更新模型参数。
   • 清零梯度以避免累积。
2. 每轮训练结束后保存模型状态。

'''
# Part4 循环训练计算损失
'''

epochs = 10

for epoch in range(epochs):
    for images, labels in train_dataloader:
        # 首先前向传播
        result = net(images)

        # 计算损失
        L = loss(result, labels)

        # 反向传播
        L.backward()

        # 参数更新
        optimizer.step()

        # 清除梯度
        optimizer.zero_grad()

    # 存储模型
    torch.save(net, 'checkpoint/module_epoch_{}.pth'.format(epoch))

7.2 测试过程

1. 模型设置为评估模式，禁用梯度计算（torch.no_grad()）。
2. 遍历测试集，计算平均测试损失。

# 每个epoch在测试集跑一遍进行计算平均损失
    total_loss = 0
    total_batches = 0
    with torch.no_grad():
        for images_test, labels_test in Minist_test:
            # 形状是Batchsize*hang
            labels_hat = net(images_test)
            L_test = loss(labels_hat, labels_test)
            total_loss += L_test.item()
            total_batches += 1

            # 计算平均测试损失并记录
        avg_test_loss = total_loss / total_batches
        print(f'第 {epoch + 1} 轮训练完成，平均测试损失为：{avg_test_loss}')

---

8. 结论

通过上述流程，我们成功实现了基于 FashionMNIST 数据集的分类模型。代码结构清晰，包含了数据加载、模型定义、训练与测试的完整过程，为深度学习图像分类任务提供了良好的实践基础。

参考

自己（好像会了好像又不会，容易忘记各种简单的操作，比如数据集存储的位置啥的）：小菜鸟博士-CSDN博客

原文地址：https://blog.csdn.net/m0_62030579/article/details/145177482

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！