手把手教你用PyTorch从零搭建并调优MobileNetV2图像分类模型

news2026/4/29 23:39:42
1. 环境准备与项目初始化第一次接触MobileNetV2和PyTorch时我也被各种环境配置搞得头大。后来发现用Anaconda管理环境能省去80%的兼容性问题。这里分享我的标准配置流程conda create -n mobilenetv2 python3.8 -y conda activate mobilenetv2安装PyTorch时有个坑要注意官网默认显示的是最新版本但实际项目中可能需要特定版本。比如我最近在RTX 3090上测试时发现torch 1.12cu11.3的组合最稳定pip install torch1.12.0cu113 torchvision0.13.0cu113 --extra-index-url https://download.pytorch.org/whl/cu113验证安装是否成功时别只看import有没有报错。我习惯用这个测试脚本检查CUDA是否真正可用import torch print(torch.__version__) print(torch.cuda.is_available()) print(torch.rand(2,3).cuda())项目结构建议这样组织MobileNetV2_Project/ ├── datasets/ │ ├── train/ │ └── val/ ├── models/ │ └── mobilenetv2.py ├── utils/ │ ├── dataloader.py │ └── logger.py └── train.py2. 数据集处理实战技巧处理图像分类数据集时90%的问题出在数据组织上。以Flowers数据集为例原始数据可能是这样的混乱结构flower_photos/ ├── daisy/1.jpg ├── dandelion/2.jpg └── ...我推荐使用这个Python脚本自动整理数据集结构它会自动划分训练集和验证集通常8:2比例from sklearn.model_selection import train_test_split import os import shutil def split_dataset(input_dir, output_dir, test_size0.2): classes os.listdir(input_dir) os.makedirs(f{output_dir}/train, exist_okTrue) os.makedirs(f{output_dir}/val, exist_okTrue) for cls in classes: imgs [f for f in os.listdir(f{input_dir}/{cls}) if f.endswith((.jpg,.png))] train, val train_test_split(imgs, test_sizetest_size) os.makedirs(f{output_dir}/train/{cls}, exist_okTrue) os.makedirs(f{output_dir}/val/{cls}, exist_okTrue) for img in train: shutil.copy(f{input_dir}/{cls}/{img}, f{output_dir}/train/{cls}/{img}) for img in val: shutil.copy(f{input_dir}/{cls}/{img}, f{output_dir}/val/{cls}/{img})数据增强是提升模型泛化能力的关键。这是我经过多次实验验证的有效配置from torchvision import transforms train_transform transforms.Compose([ transforms.RandomResizedCrop(224), transforms.RandomHorizontalFlip(), transforms.ColorJitter(brightness0.4, contrast0.4, saturation0.4), transforms.RandomRotation(15), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) ]) val_transform transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) ])3. MobileNetV2模型搭建详解MobileNetV2的核心是倒残差结构(Inverted Residuals)。与常规ResNet不同它先扩展通道再压缩。下面是我实现的PyTorch版本import torch import torch.nn as nn class ConvBNReLU(nn.Sequential): def __init__(self, in_ch, out_ch, kernel_size3, stride1, groups1): padding (kernel_size - 1) // 2 super().__init__( nn.Conv2d(in_ch, out_ch, kernel_size, stride, padding, groupsgroups, biasFalse), nn.BatchNorm2d(out_ch), nn.ReLU6(inplaceTrue) ) class InvertedResidual(nn.Module): def __init__(self, in_ch, out_ch, stride, expand_ratio): super().__init__() hidden_ch int(in_ch * expand_ratio) self.use_residual stride 1 and in_ch out_ch layers [] if expand_ratio ! 1: layers.append(ConvBNReLU(in_ch, hidden_ch, kernel_size1)) layers.extend([ ConvBNReLU(hidden_ch, hidden_ch, stridestride, groupshidden_ch), nn.Conv2d(hidden_ch, out_ch, 1, biasFalse), nn.BatchNorm2d(out_ch) ]) self.conv nn.Sequential(*layers) def forward(self, x): if self.use_residual: return x self.conv(x) else: return self.conv(x)完整的模型配置参数如下表所示实际使用时可以根据硬件条件调整层类型输出尺寸重复次数通道数步长扩展系数Conv2d112×1121322-Bottleneck112×11211611Bottleneck56×5622426Bottleneck28×2833226Bottleneck14×1446426Bottleneck14×1439616Bottleneck7×7316026Bottleneck7×7132016Conv2d7×7112801-4. 训练策略与调优技巧训练MobileNetV2时学习率设置非常关键。我推荐使用余弦退火配合warmupfrom torch.optim.lr_scheduler import CosineAnnealingLR optimizer torch.optim.SGD(model.parameters(), lr0.05, momentum0.9, weight_decay4e-5) scheduler CosineAnnealingLR(optimizer, T_max100, eta_min0.0001) # Warmup实现 def adjust_learning_rate(optimizer, epoch, args): lr args.lr if epoch args.warmup_epochs: lr lr * (epoch 1) / args.warmup_epochs for param_group in optimizer.param_groups: param_group[lr] lr几个关键调优参数的经验值Batch SizeGPU显存8G建议设3216G可设64初始学习率无预训练时0.05有预训练时0.01权重衰减4e-5效果最好Dropout在全连接层前加0.2的dropout训练过程中建议监控这些指标import matplotlib.pyplot as plt def plot_training(log_path): log pd.read_csv(log_path) plt.figure(figsize(12,4)) plt.subplot(121) plt.plot(log[epoch], log[train_loss], labeltrain) plt.plot(log[epoch], log[val_loss], labelval) plt.title(Loss curve) plt.subplot(122) plt.plot(log[epoch], log[train_acc], labeltrain) plt.plot(log[epoch], log[val_acc], labelval) plt.title(Accuracy curve)5. 模型评估与部署评估时不仅要看准确率还要分析混淆矩阵。这是我常用的评估脚本from sklearn.metrics import confusion_matrix import seaborn as sns def evaluate(model, dataloader): model.eval() all_preds [] all_labels [] with torch.no_grad(): for inputs, labels in dataloader: outputs model(inputs.cuda()) _, preds torch.max(outputs, 1) all_preds.extend(preds.cpu().numpy()) all_labels.extend(labels.numpy()) cm confusion_matrix(all_labels, all_preds) plt.figure(figsize(10,8)) sns.heatmap(cm, annotTrue, fmtd) plt.xlabel(Predicted) plt.ylabel(True)模型部署时建议转为ONNX格式dummy_input torch.randn(1, 3, 224, 224).cuda() torch.onnx.export(model, dummy_input, mobilenetv2.onnx, input_names[input], output_names[output], dynamic_axes{input:{0:batch}, output:{0:batch}})最后分享一个实用技巧使用TorchScript保存模型可以提升推理速度约20%script_model torch.jit.script(model) torch.jit.save(script_model, mobilenetv2.pt)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2530728.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…