如何用CNN实现图像分类的实战技巧？

大家好，我是Edison。 最近入坑黄佳老师的《AI应用实战课》，记录下我的学习之旅，也算是总结回顾。 今天是我们的第10站，一起了解CNN卷积神经网络 以及 通过CNN做图像分类任务的案例。 CNN卷积神经网络介绍 卷积神经网络（CNN）是一种用于图像识别和处理的人工神经网络，其灵感来自于动物视觉皮层的生物过程。它们由具有可学习权重和偏差的神经元组成。 CNN在至少一个层中使用一种称为卷积的技术，而不是一般的矩阵乘法，卷积是一种特殊的线性运算。 下图展示了一个典型的CNN架构：输入的是图像，输出的是图像的标签。例如下图中输入了一张卡通人物（崔弟鸟）的图片，输出的是几个可能得标签及其概率，其中AI认为Tweety（动画片 崔弟鸟的名字）的概率最高。 那么，从输入到输出之间都经历了什么呢？ 输入层一般是图像，这里的图像通常来说图像的张量，它是神经网络能够读取的图片的结构。然后，通过卷积层（Convolution）做图像特征的提取（一般是局部特征），再通过池化（Pooling）降低特征空间的维度，然后继续多次卷积和池化，提取上一层中的特征图的特征，随诊深度网络的加深，特征也就越来越纯，会变得越来越抽象，但神经网络可以理解。最后，经历一个展平层（Flatten Layer）进入全连接层（Fully connected Layer）做一个Softmax激活（激活函数），完成分类输出，上图中输出了3个分类，所有分类的概率值加起来之和为0.7+0.2+0.1=1。 CIFAR-10数据集 接下来，我们要做一个基于CNN的图像分类的案例，那么，就需要一个输入的图片数据集。这里，我们了解一下CIFAR-10数据集，10代表10种常见物体，大概有6万张这10种物体的图片，这个数据集也常用于图像分类问题的教学任务。 这些图片全都是32*32的尺寸，类别包括：飞机、汽车、鸟、猫、鹿、狗、蛙、马、船、卡车，每个类别都有5000张训练图片和1000张测试图片。对于我们用PyTorch来做Demo来说，不需要我们自己将整个数据集手动下载下来并保存到某个目录，使用PyTorch提供的图像库函数会自动帮我们下载和加载到程序中，十分方便。当程序代码完成下载后，CIFAR-10数据集也就会保存到你当前应用程序的目录下： 需要注意的是，下载下来的文件目录中的内容并不是原始的一张张图片，而是已经转化为张量的适合PyTorch读取的格式。 基于CNN做图像分类案例 基线模型：ResNet-18 这里我们使用预训练好的ResNet-18模型作为预训练网络（或者说基线模型），它是一个典型的用于图像识别的CNN神经网络模型。它本身采用了ImageNet的大量图片做了训练，这里我们将其下载下来对我们的CIFAR10数据集做二次训练，也可以称为“迁移学习”。 对于深度学习来说，建议在GPU上进行训练，在CPU上训练会很慢很慢。