365天深度学习训练营-第P6周：VGG-16算法-Pytorch实现人脸识别

🍨 本文为🔗365天深度学习训练营中的学习记录博客
🍖 原作者：K同学啊

文为「365天深度学习训练营」内部文章
参考本文所写记录性文章，请在文章开头带上「👉声明」

🍺要求：

保存训练过程中的最佳模型权重已【达成√】
调用官方的VGG-16网络框架【达成√】

🍻拔高（可选）：

测试集准确率达到60%（难度有点大，但是这个过程可以学到不少）【达成√ 最终准确率为82%】
手动搭建VGG-16网络框架【达成√】

🏡 我的环境：

语言环境：Python3.11.9
编译器：Jupyter Lab
深度学习环境：
- torch==2.3.1
  - torchvision==0.18.1

数据集：🔗百度网盘、🔗和鲸（请不要对外公开数据集）

一、前期准备

1. 设置GPU

2. 导入数据

3. 划分数据集

二、调用官方的VGG-16模型

三、训练模型

1. 编写训练函数

3. 编写测试函数

3. 设置动态学习率

4. 正式训练

四、结果可视化

1. Loss与Accuracy图

2. 指定图片进行预测

3. 模型评估

五、优化代码

1. 数据预处理部分优化

优化点：

优化效果：

2. 模型结构优化

优化点：

优化效果：

3. 损失函数与优化器优化

优化点：

优化效果：

4. 训练与测试循环优化

优化点：

优化效果：

5. 效果

六、手动搭建VGG-16模型

七、个人学习总结

1. 深度学习项目的系统化流程

2. 迁移学习的威力

3. 模型优化的重要性

4. 自主搭建模型的能力提升

5. 项目调试与性能分析

6. 数据可视化的价值

一、前期准备

1. 设置GPU

如果设备上支持GPU就使用GPU,否则使用CPU

import torch
import torch.nn as nn
import torchvision.transforms as transforms
import torchvision
from torchvision import transforms, datasets
import os,PIL,pathlib,warnings

warnings.filterwarnings("ignore")             #忽略警告信息

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
device

2. 导入数据

import os,PIL,random,pathlib

data_dir = './48-data/'
data_dir = pathlib.Path(data_dir)

data_paths  = list(data_dir.glob('*'))
classeNames = [str(path).split("\\")[1] for path in data_paths]
classeNames

# 关于transforms.Compose的更多介绍可以参考：https://blog.csdn.net/qq_38251616/article/details/124878863
train_transforms = transforms.Compose([
    transforms.Resize([224, 224]),  # 将输入图片resize成统一尺寸
    # transforms.RandomHorizontalFlip(), # 随机水平翻转
    transforms.ToTensor(),          # 将PIL Image或numpy.ndarray转换为tensor，并归一化到[0,1]之间
    transforms.Normalize(           # 标准化处理-->转换为标准正太分布（高斯分布），使模型更容易收敛
        mean=[0.485, 0.456, 0.406], 
        std=[0.229, 0.224, 0.225])  # 其中 mean=[0.485,0.456,0.406]与std=[0.229,0.224,0.225] 从数据集中随机抽样计算得到的。
])

total_data = datasets.ImageFolder("./48-data/",transform=train_transforms)
total_data


total_data.class_to_idx

3. 划分数据集

train_size = int(0.8 * len(total_data))
test_size  = len(total_data) - train_size
train_dataset, test_dataset = torch.utils.data.random_split(total_data, [train_size, test_size])
train_dataset, test_dataset

batch_size = 32

train_dl = torch.utils.data.DataLoader(train_dataset,
                                           batch_size=batch_size,
                                           shuffle=True,
                                           num_workers=1)
test_dl = torch.utils.data.DataLoader(test_dataset,
                                          batch_size=batch_size,
                                          shuffle=True,
                                          num_workers=1)

for X, y in test_dl:
    print("Shape of X [N, C, H, W]: ", X.shape)
    print("Shape of y: ", y.shape, y.dtype)
    break

二、调用官方的VGG-16模型

VGG-16（Visual Geometry Group-16）是由牛津大学视觉几何组（Visual Geometry Group）提出的一种深度卷积神经网络架构，用于图像分类和对象识别任务。VGG-16在2014年被提出，是VGG系列中的一种。VGG-16之所以备受关注，是因为它在ImageNet图像识别竞赛中取得了很好的成绩，展示了其在大规模图像识别任务中的有效性。

以下是VGG-16的主要特点：

深度：VGG-16由16个卷积层和3个全连接层组成，因此具有相对较深的网络结构。这种深度有助于网络学习到更加抽象和复杂的特征。
卷积层的设计：VGG-16的卷积层全部采用3x3的卷积核和步长为1的卷积操作，同时在卷积层之后都接有ReLU激活函数。这种设计的好处在于，通过堆叠多个较小的卷积核，可以提高网络的非线性建模能力，同时减少了参数数量，从而降低了过拟合的风险。
池化层：在卷积层之后，VGG-16使用最大池化层来减少特征图的空间尺寸，帮助提取更加显著的特征并减少计算量。
全连接层：VGG-16在卷积层之后接有3个全连接层，最后一个全连接层输出与类别数相对应的向量，用于进行分类。

from torchvision.models import vgg16

device = "cuda" if torch.cuda.is_available() else "cpu"
print("Using {} device".format(device))
    
# 加载预训练模型，并且对模型进行微调
model = vgg16(pretrained = True).to(device) # 加载预训练的vgg16模型

for param in model.parameters():
    param.requires_grad = False # 冻结模型的参数，这样子在训练的时候只训练最后一层的参数

# 修改classifier模块的第6层（即：(6): Linear(in_features=4096, out_features=2, bias=True)）
# 注意查看我们下方打印出来的模型
model.classifier._modules['6'] = nn.Linear(4096,len(classeNames)) # 修改vgg16模型中最后一层全连接层，输出目标类别个数
model.to(device)  
model

三、训练模型

1. 编写训练函数

# 训练循环
def train(dataloader, model, loss_fn, optimizer):
    size = len(dataloader.dataset)  # 训练集的大小
    num_batches = len(dataloader)   # 批次数目, (size/batch_size，向上取整)

    train_loss, train_acc = 0, 0  # 初始化训练损失和正确率
    
    for X, y in dataloader:  # 获取图片及其标签
        X, y = X.to(device), y.to(device)
        
        # 计算预测误差
        pred = model(X)          # 网络输出
        loss = loss_fn(pred, y)  # 计算网络输出和真实值之间的差距，targets为真实值，计算二者差值即为损失
        
        # 反向传播
        optimizer.zero_grad()  # grad属性归零
        loss.backward()        # 反向传播
        optimizer.step()       # 每一步自动更新
        
        # 记录acc与loss
        train_acc  += (pred.argmax(1) == y).type(torch.float).sum().item()
        train_loss += loss.item()
            
    train_acc  /= size
    train_loss /= num_batches

    return train_acc, train_loss

3. 编写测试函数

测试函数和训练函数大致相同，但是由于不进行梯度下降对网络权重进行更新，所以不需要传入优化器

def test (dataloader, model, loss_fn):
    size        = len(dataloader.dataset)  # 测试集的大小
    num_batches = len(dataloader)          # 批次数目, (size/batch_size，向上取整)
    test_loss, test_acc = 0, 0
    
    # 当不进行训练时，停止梯度更新，节省计算内存消耗
    with torch.no_grad():
        for imgs, target in dataloader:
            imgs, target = imgs.to(device), target.to(device)
            
            # 计算loss
            target_pred = model(imgs)
            loss        = loss_fn(target_pred, target)
            
            test_loss += loss.item()
            test_acc  += (target_pred.argmax(1) == target).type(torch.float).sum().item()

    test_acc  /= size
    test_loss /= num_batches

    return test_acc, test_loss

3. 设置动态学习率

# def adjust_learning_rate(optimizer, epoch, start_lr):
#     # 每 2 个epoch衰减到原来的 0.98
#     lr = start_lr * (0.92 ** (epoch // 2))
#     for param_group in optimizer.param_groups:
#         param_group['lr'] = lr

learn_rate = 1e-4 # 初始学习率
# optimizer  = torch.optim.SGD(model.parameters(), lr=learn_rate)
# 调用官方动态学习率接口时使用
lambda1 = lambda epoch: 0.92 ** (epoch // 4)
optimizer = torch.optim.SGD(model.parameters(), lr=learn_rate)
scheduler = torch.optim.lr_scheduler.LambdaLR(optimizer, lr_lambda=lambda1) #选定调整方法

👉调用官方接口示例：

该代码块仅为代码讲解示例，不是整体程序的一部分

model = [torch.nn.Parameter(torch.randn(2, 2, requires_grad=True))]
optimizer = SGD(model, 0.1)
scheduler = ExponentialLR(optimizer, gamma=0.9)

for epoch in range(20):
    for input, target in dataset:
        optimizer.zero_grad()
        output = model(input)
        loss = loss_fn(output, target)
        loss.backward()
        optimizer.step()
    scheduler.step()

更多的官方动态学习率设置方式可参考：torch.optim — PyTorch 2.5 documentation

4. 正式训练

model.train()、model.eval()训练营往期文章中有详细的介绍。请注意观察我是如何保存最佳模型，与TensorFlow2的保存方式有何异同。

import copy

loss_fn    = nn.CrossEntropyLoss() # 创建损失函数
epochs     = 40

train_loss = []
train_acc  = []
test_loss  = []
test_acc   = []

best_acc = 0    # 设置一个最佳准确率，作为最佳模型的判别指标

for epoch in range(epochs):
    # 更新学习率（使用自定义学习率时使用）
    # adjust_learning_rate(optimizer, epoch, learn_rate)
    
    model.train()
    epoch_train_acc, epoch_train_loss = train(train_dl, model, loss_fn, optimizer)
    scheduler.step() # 更新学习率（调用官方动态学习率接口时使用）
    
    model.eval()
    epoch_test_acc, epoch_test_loss = test(test_dl, model, loss_fn)
    
    # 保存最佳模型到 best_model
    if epoch_test_acc > best_acc:
        best_acc   = epoch_test_acc
        best_model = copy.deepcopy(model)
    
    train_acc.append(epoch_train_acc)
    train_loss.append(epoch_train_loss)
    test_acc.append(epoch_test_acc)
    test_loss.append(epoch_test_loss)
    
    # 获取当前的学习率
    lr = optimizer.state_dict()['param_groups'][0]['lr']
    
    template = ('Epoch:{:2d}, Train_acc:{:.1f}%, Train_loss:{:.3f}, Test_acc:{:.1f}%, Test_loss:{:.3f}, Lr:{:.2E}')
    print(template.format(epoch+1, epoch_train_acc*100, epoch_train_loss, 
                          epoch_test_acc*100, epoch_test_loss, lr))
    
# 保存最佳模型到文件中
PATH = './best_model.pth'  # 保存的参数文件名
torch.save(model.state_dict(), PATH)

print('Done')

四、结果可视化

1. Loss与Accuracy图

import matplotlib.pyplot as plt
#隐藏警告
import warnings
warnings.filterwarnings("ignore")               #忽略警告信息
plt.rcParams['font.sans-serif']    = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False      # 用来正常显示负号
plt.rcParams['figure.dpi']         = 100        #分辨率

epochs_range = range(epochs)

plt.figure(figsize=(12, 3))
plt.subplot(1, 2, 1)

plt.plot(epochs_range, train_acc, label='Training Accuracy')
plt.plot(epochs_range, test_acc, label='Test Accuracy')
plt.legend(loc='lower right')
plt.title('Training and Validation Accuracy')

plt.subplot(1, 2, 2)
plt.plot(epochs_range, train_loss, label='Training Loss')
plt.plot(epochs_range, test_loss, label='Test Loss')
plt.legend(loc='upper right')
plt.title('Training and Validation Loss')
plt.show()

2. 指定图片进行预测

from PIL import Image 

classes = list(total_data.class_to_idx)

def predict_one_image(image_path, model, transform, classes):
    
    test_img = Image.open(image_path).convert('RGB')
    plt.imshow(test_img)  # 展示预测的图片

    test_img = transform(test_img)
    img = test_img.to(device).unsqueeze(0)
    
    model.eval()
    output = model(img)

    _,pred = torch.max(output,1)
    pred_class = classes[pred]
    print(f'预测结果是：{pred_class}')

# 预测训练集中的某张照片
predict_one_image(image_path='./48-data/Angelina Jolie/001_fe3347c0.jpg', 
                  model=model, 
                  transform=train_transforms, 
                  classes=classes)

3. 模型评估

best_model.eval()
epoch_test_acc, epoch_test_loss = test(test_dl, best_model, loss_fn)
epoch_test_acc, epoch_test_loss

# 查看是否与我们记录的最高准确率一致
epoch_test_acc

五、优化代码

1. 数据预处理部分优化

优化点：

数据增强不足：
- 仅使用了 Resize，可能导致模型泛化能力较差。
- 添加随机翻转、随机裁剪和颜色抖动等增强操作。
目标类别个数 len(classNames) 未正确设置，需检查类别数。

优化效果：

增强数据多样性，减少模型过拟合，提高模型泛化性能。

from torchvision import transforms, datasets

# 数据增强
train_transforms = transforms.Compose([
    transforms.RandomResizedCrop(224),  # 随机裁剪并调整到224x224
    transforms.RandomHorizontalFlip(),  # 随机水平翻转
    transforms.ColorJitter(brightness=0.2, contrast=0.2, saturation=0.2, hue=0.1),  # 颜色抖动
    transforms.ToTensor(),              # 转为Tensor
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])  # 标准化
])

test_transforms = transforms.Compose([
    transforms.Resize(256),              # 调整大小
    transforms.CenterCrop(224),          # 中心裁剪到224x224
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])

total_data = datasets.ImageFolder("./48-data/",transform=train_transforms)
total_data

print(total_data.class_to_idx)

train_size = int(0.8 * len(total_data))
test_size  = len(total_data) - train_size
train_dataset, test_dataset = torch.utils.data.random_split(total_data, [train_size, test_size])
train_dataset, test_dataset

# 数据加载器
batch_size = 32
train_dl = torch.utils.data.DataLoader(train_dataset, batch_size=batch_size, shuffle=True, num_workers=1)
test_dl = torch.utils.data.DataLoader(test_dataset, batch_size=batch_size, shuffle=False, num_workers=1)

2. 模型结构优化

优化点：

VGG16的全连接层过多，可能导致过拟合。
- 减少全连接层的神经元数量，添加 Dropout 防止过拟合。
冻结的特征层过多，可能限制了特征学习能力。
- 解冻后几层卷积层，让模型能够更好适配当前数据集。

优化效果：

减轻过拟合风险，提升模型对特定数据集的适应性。

from torchvision.models import vgg16
import torch.nn as nn

device = "cuda" if torch.cuda.is_available() else "cpu"
print(f"Using {device} device")

# 加载预训练模型
model = vgg16(pretrained=True)

# 解冻最后几层卷积层
for param in list(model.features.parameters())[-8:]:
    param.requires_grad = True

# 修改全连接层
model.classifier = nn.Sequential(
    nn.Linear(25088, 4096), 
    nn.ReLU(inplace=True),
    nn.Dropout(p=0.5),
    nn.Linear(4096, 1024), 
    nn.ReLU(inplace=True),
    nn.Dropout(p=0.5),
    nn.Linear(1024, len(classeNames))  # 输出类别数
)

model.to(device)
model

3. 损失函数与优化器优化

优化点：

使用 AdamW 替代 SGD，提高优化效率。
增加权重衰减（Weight Decay）控制模型复杂度。
调整学习率策略：使用 CosineAnnealingLR。

优化效果：

更快的收敛速度，更平稳的优化过程，减少过拟合风险。

import torch.optim as optim

learn_rate = 1e-4
optimizer = optim.AdamW(model.parameters(), lr=learn_rate, weight_decay=1e-4)
scheduler = torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max=10)
loss_fn = nn.CrossEntropyLoss()

4. 训练与测试循环优化

优化点：

记录每个 epoch 的学习率，便于分析。
添加梯度裁剪，防止梯度爆炸。
打印更多信息帮助调试（如每轮训练时间）。

优化效果：

更稳定的训练过程，便于调试与分析。

import time
import copy

epochs = 40
train_loss, train_acc = [], []
test_loss, test_acc = [], []
best_acc = 0

for epoch in range(epochs):
    start_time = time.time()
    
    # 训练模式
    model.train()
    size = len(train_dl.dataset)
    train_correct, train_epoch_loss = 0, 0
    for X, y in train_dl:
        X, y = X.to(device), y.to(device)
        
        optimizer.zero_grad()
        pred = model(X)
        loss = loss_fn(pred, y)
        loss.backward()
        
        # 梯度裁剪
        torch.nn.utils.clip_grad_norm_(model.parameters(), max_norm=1.0)
        
        optimizer.step()
        
        train_correct += (pred.argmax(1) == y).type(torch.float).sum().item()
        train_epoch_loss += loss.item()
    
    # 测试模式
    model.eval()
    size = len(test_dl.dataset)
    test_correct, test_epoch_loss = 0, 0
    with torch.no_grad():
        for X, y in test_dl:
            X, y = X.to(device), y.to(device)
            pred = model(X)
            loss = loss_fn(pred, y)
            
            test_correct += (pred.argmax(1) == y).type(torch.float).sum().item()
            test_epoch_loss += loss.item()
    
    # 学习率更新
    scheduler.step()
    
    # 保存最佳模型
    test_accuracy = test_correct / size
    if test_accuracy > best_acc:
        best_acc = test_accuracy
        best_model = copy.deepcopy(model)
    
    train_loss.append(train_epoch_loss / len(train_dl))
    train_acc.append(train_correct / len(train_dl.dataset))
    test_loss.append(test_epoch_loss / len(test_dl))
    test_acc.append(test_accuracy)
    
    end_time = time.time()
    print(f"Epoch {epoch+1:02d}, Train Acc: {train_acc[-1]*100:.2f}%, Test Acc: {test_acc[-1]*100:.2f}%, "
          f"Train Loss: {train_loss[-1]:.4f}, Test Loss: {test_loss[-1]:.4f}, "
          f"LR: {scheduler.get_last_lr()[0]:.6f}, Time: {end_time - start_time:.2f}s")
    
# 保存模型
torch.save(best_model.state_dict(), './best_model.pth')
print("Training complete!")

5. 效果

六、手动搭建VGG-16模型

VGG-16结构说明：

13个卷积层（Convolutional Layer），分别用blockX_convX表示；
3个全连接层（Fully connected Layer），用classifier表示；
5个池化层（Pool layer）。

VGG-16包含了16个隐藏层（13个卷积层和3个全连接层），故称为VGG-16

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

class VGG16(nn.Module):
    def __init__(self, num_classes=1000):
        super(VGG16, self).__init__()
        
        # 定义卷积层和池化层
        self.features = nn.Sequential(
            # Block 1
            nn.Conv2d(3, 64, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(64, 64, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=2, stride=2),  # 112x112
            
            # Block 2
            nn.Conv2d(64, 128, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(128, 128, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=2, stride=2),  # 56x56
            
            # Block 3
            nn.Conv2d(128, 256, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(256, 256, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(256, 256, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=2, stride=2),  # 28x28
            
            # Block 4
            nn.Conv2d(256, 512, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(512, 512, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(512, 512, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=2, stride=2),  # 14x14
            
            # Block 5
            nn.Conv2d(512, 512, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(512, 512, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(512, 512, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=2, stride=2),  # 7x7
        )
        
        # 定义全连接层
        self.classifier = nn.Sequential(
            nn.Linear(512 * 7 * 7, 4096),
            nn.ReLU(inplace=True),
            nn.Dropout(),
            nn.Linear(4096, 4096),
            nn.ReLU(inplace=True),
            nn.Dropout(),
            nn.Linear(4096, num_classes),
        )
    
    def forward(self, x):
        x = self.features(x)
        x = torch.flatten(x, 1)  # 展平
        x = self.classifier(x)
        return x

# 测试网络是否能正常运行
if __name__ == "__main__":
    model = VGG16(num_classes=1000)
    print(model)
    
    # 测试输入
    input_tensor = torch.randn(1, 3, 224, 224)  # Batch size=1, RGB图像, 224x224
    output = model(input_tensor)
    print("输出形状:", output.shape) # torch.Size([1, 1000])

七、个人学习总结

在这个项目中，我完整体验了从数据预处理到模型训练再到结果优化的深度学习项目流程，不仅巩固了理论知识，也提升了实践能力。在完成VGG-16网络的调用与优化过程中，我收获颇丰，并从多个方面得到了深刻的经验和启发，这些经验将极大地应用于后续的深度学习研究和实践。

1. 深度学习项目的系统化流程

本次实践让我认识到，一个完整的深度学习项目离不开前期准备、模型构建、训练调试与后期优化等环节的有机结合。例如，在数据预处理阶段，我学习了如何利用torchvision.transforms进行数据增强，包括随机裁剪、颜色抖动等操作，这些方法有效提升了模型的泛化能力，减少了过拟合现象。未来在处理其他数据集时，这些增强技术能够让我快速应对数据样本不足的问题。

2. 迁移学习的威力

通过调用预训练的VGG-16网络，我深刻理解了迁移学习在小样本数据集上的重要性。冻结部分卷积层参数，仅微调全连接层，大幅降低了训练难度并缩短了训练时间。最终测试集准确率达到82%，这远超我的预期。未来在处理类似图像分类任务时，迁移学习将是我优先选择的策略之一。

3. 模型优化的重要性

本次项目让我认识到，不同的优化策略对模型性能提升有显著影响。通过引入动态学习率调节策略torch.optim.lr_scheduler，模型在训练中保持了更平稳的收敛过程。尤其是在采用CosineAnnealingLR优化器时，我看到了如何通过调节学习率在训练后期避免陷入局部最优。此外，使用AdamW替代传统的SGD优化器，也让我意识到针对不同模型和任务选择适合的优化方法的重要性。

4. 自主搭建模型的能力提升

尽管调用官方VGG-16框架已经完成了项目需求，我仍尝试手动搭建了VGG-16模型，这加深了我对其内部结构的理解。从卷积层到全连接层的逐步构建，使我对参数设置和计算流程有了更直观的认识。举例来说，VGG-16中使用3x3卷积核而非更大的卷积核，这种设计在实际搭建时显得尤为高效，因为它既保留了更细粒度的特征信息，又显著减少了参数量。