C# TorchSharp 图像分类实战：VGG大规模图像识别的超深度卷积网络
目录[*]VGG大规模图像识别的超深度卷积网络
[*]数据集
[*]直接下载
[*]opendatalab 数据集社区
[*]自定义数据集
[*]模型训练
教程名称：使用 C# 入门深度学习
作者：痴者工良
教程地址：
https://torch.whuanle.cn
电子书仓库：https://github.com/whuanle/cs_pytorch
Maomi.Torch 项目仓库：https://github.com/whuanle/Maomi.Torch
VGG大规模图像识别的超深度卷积网络
本文主要讲解用于大规模图像识别的超深度卷积网络 VGG，通过 VGG 实现自有数据集进行图像分类训练模型和识别，VGG 有 vgg11、vgg11_bn、vgg13、vgg13_bn、vgg16、vgg16_bn、vgg19、vgg19_bn 等变种，VGG 架构的实现可参考论文：https://arxiv.org/abs/1409.1556
论文中文版地址：
https://noahsnail.com/2017/08/17/2017-08-17-VGG论文翻译——中文版/
数据集
本文主要使用经典图像分类数据集 CIFAR-10 进行训练，CIFAR-10 数据集中有 10 个分类，每个类别均有 60000 张图像，50000 张训练图像和 10000 张测试图像，每个图像都经过了预处理，生成 32x32 彩色图像。
CIFAR-10 的 10 个分类分别是：
airplaneautomobilebirdcatdeerdogfroghorseshiptruck下面给出几种数据集的本地化导入方式。
直接下载
由于 CIFAR-10 是经典数据集，因此 TorchSharp 默认支持下载该数据集，但是由于网络问题，国内下载数据库需要开飞机，数据集自动下载和导入：
// 加载训练和验证数据var train_dataset = datasets.CIFAR10(root: "E:/datasets/CIFAR-10", train: true, download: true, target_transform: transform);var val_dataset = datasets.CIFAR10(root: "E:/datasets/CIFAR-10", train: false, download: true, target_transform: transform);opendatalab 数据集社区
opendatalab 是一个开源数据集社区仓库，里面有大量免费下载的数据集，借此机会给读者讲解一下如何从 opendatalab 下载数据集，这对读者学习非常有帮助。
CIFAR-10 数据集仓库地址：
https://opendatalab.com/OpenDataLab/CIFAR-10/cli/main
打开 https://opendatalab.com 注册账号，然后在个人信息中心添加密钥。
然后下载 openxlab 提供的 cli 工具：
pip install openxlab #安装安装 openxlab 后，会要求添加路径到环境变量，环境变量地址是 Scripts 地址，示例：
C:\Users\%USER%\AppData\Roaming\Python\Python312\Scripts接着进行登录，输入命令后按照提示输入 key 和 secret：
openxlab login # 进行登录，输入对应的AK/SK，可在个人中心查看AK/SK然后打开空目录下载数据集，数据集仓库会被下载到 OpenDataLab___CIFAR-10 目录中：
openxlab dataset info --dataset-repo OpenDataLab/CIFAR-10 # 数据集信息及文件列表查看openxlab dataset get --dataset-repo OpenDataLab/CIFAR-10 #数据集下载
数据集信息及文件列表查看
openxlab dataset info --dataset-repo OpenDataLab/CIFAR-10
下载的文件比较多，但是我们只需要用到 cifar-10-binary.tar.gz，直接解压 cifar-10-binary.tar.gz 到目录中（也可以不解压）。
然后导入数据：
// 加载训练和验证数据var train_dataset = datasets.CIFAR10(root: "E:/datasets/OpenDataLab___CIFAR-10", train: true, download: false, target_transform: transform);var val_dataset = datasets.CIFAR10(root: "E:/datasets/OpenDataLab___CIFAR-10", train: false, download: false, target_transform: transform);自定义数据集
Maomi.Torch 提供了自定义数据集导入方式，降低了开发者制作数据集的难度。自定义数据集也要区分训练数据集和测试数据集，训练数据集用于特征识别和训练，而测试数据集用于验证模型训练的准确率和损失值。
测试数据集和训练数据集可以放到不同的目录中，具体名称没有要求，然后每个分类单独一个目录，目录名称就是分类名称，按照目录名称的排序从 0 生成标签值。
├─test│├─airplane│├─automobile│├─bird│├─cat│├─deer│├─dog│├─frog│├─horse│├─ship│└─truck└─train│├─airplane│├─automobile│├─bird│├─cat│├─deer│├─dog│├─frog│├─horse│├─ship│└─truck
读者可以参考 exportdataset项目，将 CIFAR-10 数据集生成导出到目录中。
通过自定义目录导入数据集的代码为：
var train_dataset = MM.Datasets.ImageFolder(root: "E:/datasets/t1/train", target_transform: transform);var val_dataset = MM.Datasets.ImageFolder(root: "E:/datasets/t1/test", target_transform: transform);模型训练
定义图像预处理转换代码，代码如下所示：
Device defaultDevice = MM.GetOpTimalDevice();torch.set_default_device(defaultDevice);Console.WriteLine("当前正在使用 {defaultDevice}");// 数据预处理var transform = transforms.Compose([ transforms.Resize(32, 32), transforms.ConvertImageDtype( ScalarType.Float32), MM.transforms.ReshapeTransform(new long[]{ 1,3,32,32}), transforms.Normalize(means: new double[] { 0.485, 0.456, 0.406 }, stdevs: new double[] { 0.229, 0.224, 0.225 }), MM.transforms.ReshapeTransform(new long[]{ 3,32,32})]);因为 TorchSharp 对图像维度处理的兼容性不好，没有 Pytorch 的自动处理，因此导入的图片维度和批处理维度、transforms 处理的维度兼容性不好，容易报错，因此这里需要使用 Maomi.Torch 的转换函数，以便在导入图片和进行图像批处理的时候，保障 shape 符合要求。
分批加载数据集：
// 加载训练和验证数据var train_dataset = datasets.CIFAR10(root: "E:/datasets/CIFAR-10", train: true, download: true, target_transform: transform);var val_dataset = datasets.CIFAR10(root: "E:/datasets/CIFAR-10", train: false, download: true, target_transform: transform);var train_loader = new DataLoader(train_dataset, batchSize: 1024, shuffle: true, device: defaultDevice, num_worker: 10);var val_loader = new DataLoader(val_dataset, batchSize: 1024, shuffle: false, device: defaultDevice, num_worker: 10);初始化 vgg16 网络：
var model = torchvision.models.vgg16(num_classes: 10);model.to(device: defaultDevice);设置损失函数和优化器：
var criterion = nn.CrossEntropyLoss();var optimizer = optim.SGD(model.parameters(), learningRate: 0.001, momentum: 0.9);训练模型并保存：
int num_epochs = 150;for (int epoch = 0; epoch < num_epochs; epoch++){ model.train(); double running_loss = 0.0; int i = 0; foreach (var item in train_loader) { var (inputs, labels) = (item["data"], item["label"]); var inputs_device = inputs.to(defaultDevice); var labels_device = labels.to(defaultDevice); optimizer.zero_grad(); var outputs = model.call(inputs_device); var loss = criterion.call(outputs, labels_device); loss.backward(); optimizer.step(); running_loss += loss.item<float>() * inputs.size(0); Console.WriteLine($"[{epoch}/{num_epochs}][{i % train_loader.Count}/{train_loader.Count}]"); i++; } double epoch_loss = running_loss / train_dataset.Count; Console.WriteLine($"Train Loss: {epoch_loss:F4}"); model.eval(); long correct = 0; int total = 0; using (torch.no_grad()) { foreach (var item in val_loader) { var (inputs, labels) = (item["data"], item["label"]); var inputs_device = inputs.to(defaultDevice); var labels_device = labels.to(defaultDevice); var outputs = model.call(inputs_device); var predicted = outputs.argmax(1); total += (int)labels.size(0); correct += (predicted == labels_device).sum().item<long>(); } } double val_accuracy = 100.0 * correct / total; Console.WriteLine($"Validation Accuracy: {val_accuracy:F2}%");}model.save("model.dat");启动项目后可以直接执行训练，训练一百多轮后，准确率在 70% 左右，损失值在 0.0010 左右，继续训练已经提高不了准确率了。
导出的模型还是比较大的：
513M model.dat下面来编写图像识别测试，在示例项目 vggdemo 中自带了三张图片，读者可以直接导入使用。
model.load("model.dat");model.to(device: defaultDevice);model.eval();var classes = new string[] {"airplane","automobile","bird","cat","deer","dog","frog","horse","ship","truck"};List<Tensor> imgs = new();imgs.Add(transform.call(MM.LoadImage("airplane.jpg").to(defaultDevice)).view(1, 3, 32, 32));imgs.Add(transform.call(MM.LoadImage("cat.jpg").to(defaultDevice)).view(1, 3, 32, 32));imgs.Add(transform.call(MM.LoadImage("dog.jpg").to(defaultDevice)).view(1, 3, 32, 32));using (torch.no_grad()){ foreach (var data in imgs) { var outputs = model.call(data); var index = outputs.argmax(0).ToInt32(); // 转换为归一化的概率 // outputs.shape = ，所以取 var array = torch.nn.functional.softmax(outputs, dim: 1); var max = array.ToFloat32Array(); var predicted1 = classes; Console.WriteLine($"识别结果 {predicted1}，准确率：{max * 100}%"); }}识别结果：
当前正在使用 cuda:0识别结果 airplane，准确率：99.99983%识别结果 cat，准确率：99.83113%识别结果 dog，准确率：100%用到的三张图片均从网络上搜索而来：
页:
[1]