CIFAR-10数据集解析：从基础CNN模型结构图到实战优化

1次阅读

共计 2417 个字符，预计需要花费 7 分钟才能阅读完成。

CIFAR-10 是计算机视觉领域经典的基准数据集，包含 10 个类别的 60000 张 32×32 彩色图像。每个类别有 6000 张图像，其中 50000 张用于训练，10000 张用于测试。数据集中的类别包括飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船和卡车。

这个数据集虽然图像尺寸较小，但包含了丰富的真实世界物体，非常适合用于验证卷积神经网络 (CNN) 的性能。由于图像分辨率低，它特别考验模型从有限像素中提取有效特征的能力。

典型的 CIFAR-10 CNN 模型通常包含以下层次结构：

输入层：32x32x3（宽 x 高 x 通道数）
卷积层 1：32 个 3 ×3 卷积核，ReLU 激活
最大池化层 1：2×2 池化窗口，步长 2
卷积层 2：64 个 3 ×3 卷积核，ReLU 激活
最大池化层 2：2×2 池化窗口，步长 2
全连接层 1：512 个神经元，ReLU 激活
输出层：10 个神经元，Softmax 激活

这种结构的设计考量包括：

使用小尺寸卷积核 (3×3) 可以捕获局部特征，同时减少参数数量
池化层逐步降低空间维度，增加特征的抽象层次
逐渐增加通道数 (32->64) 以捕获更复杂的特征

import torch
import torch.nn as nn
import torch.optim as optim
from torchvision import datasets, transforms

# 数据预处理
transform = transforms.Compose([transforms.ToTensor(),
    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))
])

# 加载数据集
trainset = datasets.CIFAR10(root='./data', train=True, download=True, transform=transform)
testset = datasets.CIFAR10(root='./data', train=False, download=True, transform=transform)

trainloader = torch.utils.data.DataLoader(trainset, batch_size=32, shuffle=True)
testloader = torch.utils.data.DataLoader(testset, batch_size=32, shuffle=False)

# 定义模型
class SimpleCNN(nn.Module):
    def __init__(self):
        super(SimpleCNN, self).__init__()
        self.conv1 = nn.Conv2d(3, 32, 3, padding=1)
        self.pool = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(32, 64, 3, padding=1)
        self.fc1 = nn.Linear(64 * 8 * 8, 512)
        self.fc2 = nn.Linear(512, 10)

    def forward(self, x):
        x = self.pool(nn.functional.relu(self.conv1(x)))
        x = self.pool(nn.functional.relu(self.conv2(x)))
        x = x.view(-1, 64 * 8 * 8)
        x = nn.functional.relu(self.fc1(x))
        x = self.fc2(x)
        return x

# 训练设置
model = SimpleCNN()
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(model.parameters(), lr=0.001, momentum=0.9)

# 训练循环
for epoch in range(10):
    running_loss = 0.0
    for i, data in enumerate(trainloader, 0):
        inputs, labels = data
        optimizer.zero_grad()
        outputs = model(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()
        running_loss += loss.item()
    print(f'Epoch {epoch+1}, Loss: {running_loss/len(trainloader)}')

print('Finished Training')