从零开始使用chinesefoodnet数据集：数据预处理与模型训练实战指南

1次阅读

共计 2789 个字符，预计需要花费 7 分钟才能阅读完成。

chinesefoodnet 是一个专门针对中国菜品的图像分类数据集，包含超过 10 万张高质量食物图片，涵盖 200 多种常见中式菜品。数据集结构通常如下：

chinesefoodnet/
├── train/
│   ├── 宫保鸡丁 /
│   │   ├── 001.jpg
│   │   └── ...
│   └── ... 其他菜品
└── test/
    ├── 鱼香肉丝 /
    │   ├── 001.jpg
    │   └── ...
    └── ... 其他菜品

每张图片尺寸不一，常见为 500×500 到 2000×2000 像素
标注信息存储在 JSON 文件中，包含菜品名称和边界框信息
典型应用包括：智能点餐系统、营养分析、美食推荐等

安装依赖库

pip install torch torchvision pillow pandas

基础数据加载

from torchvision import datasets, transforms

# 定义基础转换
transform = transforms.Compose([transforms.Resize(256),  # 统一尺寸
    transforms.CenterCrop(224),  # 中心裁剪
    transforms.ToTensor(),  # 转为 Tensor
    transforms.Normalize(mean=[0.485, 0.456, 0.406],  # ImageNet 均值
                         std=[0.229, 0.224, 0.225])  # ImageNet 标准差
])

# 加载数据集
dataset = datasets.ImageFolder('chinesefoodnet/train', transform=transform)
dataloader = torch.utils.data.DataLoader(dataset, batch_size=32, shuffle=True)

数据增强（训练时使用）

train_transform = transforms.Compose([transforms.RandomResizedCrop(224),
    transforms.RandomHorizontalFlip(),
    transforms.ColorJitter(brightness=0.2, contrast=0.2, saturation=0.2),
    transforms.ToTensor(),
    transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
])

简单 CNN 模型实现

import torch.nn as nn
import torch.nn.functional as F

class SimpleFoodCNN(nn.Module):
    def __init__(self, num_classes=200):
        super().__init__()
        self.conv1 = nn.Conv2d(3, 32, kernel_size=3, padding=1)
        self.pool = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(32, 64, kernel_size=3, padding=1)
        self.fc1 = nn.Linear(64 * 56 * 56, 512)  # 输入尺寸需要根据实际情况调整
        self.fc2 = nn.Linear(512, num_classes)

    def forward(self, x):
        x = self.pool(F.relu(self.conv1(x)))
        x = self.pool(F.relu(self.conv2(x)))
        x = torch.flatten(x, 1)
        x = F.relu(self.fc1(x))
        x = self.fc2(x)
        return x

完整训练循环

model = SimpleFoodCNN().cuda()
criterion = nn.CrossEntropyLoss()
optimizer = torch.optim.Adam(model.parameters(), lr=0.001)

for epoch in range(10):
    running_loss = 0.0
    for i, (inputs, labels) in enumerate(dataloader):
        inputs, labels = inputs.cuda(), labels.cuda()

        optimizer.zero_grad()
        outputs = model(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()

        running_loss += loss.item()
        if i % 100 == 99:
            print(f'Epoch {epoch+1}, Batch {i+1}: loss {running_loss/100:.3f}')
            running_loss = 0.0

批量大小选择
显存充足时（如 16GB+）：尝试 128-256 的 batch size
普通显卡（如 8GB）：32-64 更安全
可配合梯度累积技术模拟更大 batch
学习率调整策略

scheduler = torch.optim.lr_scheduler.StepLR(optimizer, step_size=5, gamma=0.1)
# 每个 epoch 后调用 scheduler.step()

混合精度训练（需支持 FP16 的 GPU）

scaler = torch.cuda.amp.GradScaler()

with torch.cuda.amp.autocast():
    outputs = model(inputs)
    loss = criterion(outputs, labels)
scaler.scale(loss).backward()
scaler.step(optimizer)
scaler.update()