1. 环境准备与数据加载
第一次用PyTorch做图像分类时,我被CIFAR-10数据集的可爱小图片吸引了——32x32像素的飞机、青蛙、汽车,像极了小时候玩的贴纸。这个经典数据集包含6万张图片,分为10个类别,正好适合练手。下面分享我摸索出来的完整操作流程。
安装PyTorch时有个小技巧:直接去官网复制对应CUDA版本的命令。比如我的RTX 3060笔记本跑这段代码:
bash复制pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
加载数据集时要注意三个关键参数:
python复制train_data = torchvision.datasets.CIFAR10(
root='./data', # 数据存储路径
train=True, # 训练集模式
transform=torchvision.transforms.ToTensor(), # 自动转为张量
download=True # 自动下载
)
这里有个实际项目中的经验:transform参数可以玩出花样。比如我常加个随机水平翻转增强数据:
python复制transform = torchvision.transforms.Compose([
torchvision.transforms.RandomHorizontalFlip(p=0.5),
torchvision.transforms.ToTensor()
])
DataLoader的batch_size设置也有讲究。我的1660Ti显卡跑64很流畅,但之前用MX450时就得降到32。打印数据集长度能快速检查是否加载成功:
python复制print(f"训练集样本数: {len(train_data)}") # 输出50000
print(f"测试集样本数: {len(test_data)}") # 输出10000
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 构建CNN网络
刚开始学CNN时,我总纠结每层的参数该怎么设。后来发现CIFAR-10这种小图片,用三层卷积+池化组合就够用。这个结构是我参考多个开源项目调试
