### 如何使用 PyTorch 构建卷积神经网络 (CNN) 在深度学习领域，卷积神经网络（Convolutional Neural Networks, CNN）被广泛应用于图像处理任务中[^1]。以下是关于如何利用 PyTorch 搭建一个基本的 CNN 的详细介绍。 #### 1. 导入必要的库 为了构建和训练 CNN 模型，需要先导入一些基础模块： ```python import torch import torch.nn as nn import torch.nn.functional as F import torch.optim as optim from torchvision import datasets, transforms ``` 这些模块分别负责张量运算、定义神经网络层、提供激活函数和其他功能组件、优化器配置以及加载常用的数据集和预处理工具[^3]。 --- #### 2. 定义 CNN 结构 在 PyTorch 中，可以通过继承 `nn.Module` 类并重写其构造函数 (`__init__`) 和前向传播方法 (`forward`) 来定义自定义模型[^2]。下面是一个简单的两层卷积网络的例子： ```python class SimpleCNN(nn.Module): def __init__(self): super(SimpleCNN, self).__init__() # 卷积层1：输入通道数为3（RGB），输出通道数为6，核大小为5×5 self.conv1 = nn.Conv2d(in_channels=3, out_channels=6, kernel_size=5) # 卷积层2：输入通道数为6，输出通道数为16，核大小为5×5 self.conv2 = nn.Conv2d(in_channels=6, out_channels=16, kernel_size=5) # 全连接层1：输入维度为16 * 5 * 5，输出维度为120 self.fc1 = nn.Linear(16 * 5 * 5, 120) # 全连接层2：输入维度为120，输出维度为84 self.fc2 = nn.Linear(120, 84) # 输出层：输入维度为84，输出类别数量为10 self.fc3 = nn.Linear(84, 10) def forward(self, x): # 输入经过第一个卷积层 -> ReLU -> Max Pooling x = F.max_pool2d(F.relu(self.conv1(x)), (2, 2)) # 经过第二个卷积层 -> ReLU -> Max Pooling x = F.max_pool2d(F.relu(self.conv2(x)), (2, 2)) # 将多维张量展平成一维向量 x = x.view(-1, 16 * 5 * 5) # 进入全连接层1 -> ReLU x = F.relu(self.fc1(x)) # 进入全连接层2 -> ReLU x = F.relu(self.fc2(x)) # 最终进入输出层 x = self.fc3(x) return x ``` 上述代码展示了如何通过堆叠多个卷积层和全连接层来设计一个完整的 CNN 模型。 --- #### 3. 数据预处理与加载 对于图像分类任务，通常会使用标准数据集如 CIFAR-10 或 MNIST。这里以 CIFAR-10 为例展示数据加载过程： ```python transform = transforms.Compose([ transforms.ToTensor(), # 转换为 Tensor transforms.Normalize((0.5,), (0.5,)) # 归一化到 [-1, 1] ]) trainset = datasets.CIFAR10(root='./data', train=True, download=True, transform=transform) trainloader = torch.utils.data.DataLoader(trainset, batch_size=4, shuffle=True) testset = datasets.CIFAR10(root='./data', train=False, download=True, transform=transform) testloader = torch.utils.data.DataLoader(testset, batch_size=4, shuffle=False) ``` 此部分实现了对原始图片的标准化转换，并将其封装为批量形式以便高效训练。 --- #### 4. 训练与测试模型 完成模型定义后，可以设置损失函数、优化算法并对整个流程进行控制： ```python device = torch.device("cuda" if torch.cuda.is_available() else "cpu") model = SimpleCNN().to(device) criterion = nn.CrossEntropyLoss() optimizer = optim.SGD(model.parameters(), lr=0.001, momentum=0.9) for epoch in range(10): # 循环遍历数据集多次 running_loss = 0.0 for i, data in enumerate(trainloader, 0): inputs, labels = data[0].to(device), data[1].to(device) optimizer.zero_grad() # 清零梯度缓存 outputs = model(inputs) # 前向传播计算预测值 loss = criterion(outputs, labels) # 计算损失 loss.backward() # 反向传播累积梯度 optimizer.step() # 更新权重参数 running_loss += loss.item() print(f"[Epoch {epoch + 1}] Loss: {running_loss / len(trainloader)}") print('Finished Training') ``` 以上脚本完成了从初始化设备环境到执行迭代更新的核心逻辑。 --- #### 总结 综上所述，基于 PyTorch 实现 CNN 主要涉及以下几个方面： - 使用 `nn.Conv2d` 添加卷积层； - 利用池化操作减少空间尺寸； - 配置线性变换作为最终决策单元； - 整合自动化求导机制简化反传步骤； 这种架构非常适合解决诸如目标检测或者语义分割之类的复杂视觉挑战。