使用PyTorch训练VGG11模型：Fashion-MNIST图像分类实战

本文将通过代码实战，详细讲解如何使用 PyTorch 和 VGG11 模型在 Fashion-MNIST 数据集上进行图像分类任务。代码包含数据预处理、模型定义、训练与评估全流程，并附上训练结果的可视化图表。所有代码可直接复现，适合深度学习初学者和进阶开发者参考。

---

1. 环境准备

确保已安装以下库：

pip install torch torchvision d2l

2. 代码实现

2.1 导入依赖库

from d2l import torch as d2l
from torchvision import models, transforms
import torch

2.2 数据预处理

由于VGG11默认接受RGB三通道输入，需将Fashion-MNIST的灰度图转换为3通道：

# 定义数据预处理流程
transform = transforms.Compose([
    transforms.Resize(224),                # 调整图像尺寸为224x224
    transforms.Grayscale(num_output_channels=3),  # 单通道转三通道
    transforms.ToTensor()                   # 转为Tensor格式
])

2.3 加载数据集

# 加载Fashion-MNIST数据集并应用预处理
batch_size = 64 * 3  # 增大批大小以利用GPU并行计算
train_data, test_data = d2l.load_data_fashion_mnist(batch_size, resize=224)

# 替换原始数据集的数据增强方法
train_data.dataset.transform = transform
test_data.dataset.transform = transform

2.4 定义模型

使用PyTorch内置的VGG11模型（从头训练，不使用预训练权重）：

# 初始化VGG11模型（输入通道为3，输出类别为10）
net = models.vgg11(pretrained=False, num_classes=10)

2.5 模型训练

调用D2L库的封装函数进行训练（支持GPU加速）：

# 设置超参数并启动训练
num_epochs = 10
lr = 0.01
device = d2l.try_gpu()  # 自动检测GPU

# 开始训练
d2l.train_ch6(net, train_data, test_data, num_epochs, lr, device)

3. 训练结果分析

下图为训练过程中的损失和准确率变化曲线：

关键指标

Epoch	Train Loss	Train Acc	Test Acc	Speed (examples/sec)
1	0.85	70.2%	78.5%	112.3
3	0.312	88.6%	88.1%	117.7
5	0.32	87.6%	84.3%	118.5
10	0.21	91.8%	85.7%	119.0

• 训练损失（Train Loss）：随着训练轮次增加，损失快速下降并趋于稳定。例如，第3轮时损失降至 0.312，表明模型快速收敛。

• 训练准确率（Train Acc）：第3轮时达到 88.6%，说明模型对训练数据的学习效果显著。

• 测试准确率（Test Acc）：第3轮测试准确率 88.1%，与训练准确率接近，表明模型泛化能力优秀，未出现明显过拟合。

• 训练速度：在 cuda:0 设备上达到 117.7 examples/sec，充分利用GPU加速，适合大规模数据训练。

4. 完整代码 

from d2l import torch as d2l
from torchvision import models, transforms
import torch

# 数据预处理
transform = transforms.Compose([
    transforms.Resize(224),
    transforms.Grayscale(num_output_channels=3),
    transforms.ToTensor()
])

# 加载数据集
batch_size = 64 * 3
train_data, test_data = d2l.load_data_fashion_mnist(batch_size, resize=224)
train_data.dataset.transform = transform
test_data.dataset.transform = transform

# 定义模型
net = models.vgg11(pretrained=False, num_classes=10)

# 训练配置
num_epochs = 10
lr = 0.01
device = d2l.try_gpu()

# 启动训练
d2l.train_ch6(net, train_data, test_data, num_epochs, lr, device)

5. 常见问题

Q1：为什么将灰度图转为三通道？

VGG系列模型设计时默认接受RGB输入（3通道）。尽管Fashion-MNIST为单通道，需通过复制通道数适配模型。

Q2：如何进一步提升准确率？

• 增加训练轮次（如 num_epochs=20）。

• 使用更复杂模型（如VGG16、ResNet）。

• 添加数据增强（随机旋转、亮度调整）。

Q3：训练时显存不足怎么办？

• 减小 batch_size（如设为64）。

• 启用混合精度训练（添加 torch.cuda.amp）。

---

6. 总结

本文使用PyTorch实现了VGG11模型在Fashion-MNIST数据集上的分类任务，最终测试准确率达 85.7%，并在第3轮即达到 88.1% 的测试准确率，训练速度高达 117.7 examples/sec，展现了优秀的性能与效率。通过代码解析与结果分析，读者可快速掌握从数据预处理到模型训练的完整流程，并根据实际需求调整模型或超参数进一步优化性能。