CIFAR-10 图像分类项目

这是一个基于 PyTorch 实现的 CIFAR-10 图像分类项目。项目从零开始搭建了一个卷积神经网络（CNN），在 CIFAR-10 数据集上训练并达到了约 75% 的测试准确率。模型能够对真实照片、卡通、油画、像素画等多种风格的图片进行识别，并提供了单张图片预测和批量预测的功能。

📌 项目概述

• 任务：10 类彩色图像分类（飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船、卡车）
• 框架：PyTorch
• 模型：自定义 CNN（4 个卷积层 + 2 个全连接层，含 BatchNorm 和 Dropout）
• 最终性能：
  • CIFAR-10 测试集准确率：75.24%
  • 真实照片测试集准确率：80%
  • 风格化图片（卡通/油画/像素）准确率：67%

🚀 环境配置

本项目在以下环境中开发和测试：

• Python 3.12
• CUDA 12.8（支持 RTX 5060 等新一代显卡）
• PyTorch 2.10+cu128
• torchvision, torchaudio
• numpy, matplotlib, pillow, tqdm

安装步骤

1. 创建 Conda 环境（指定路径）：

   conda create --prefix E:\conda_env\cifar10_env python=3.12 -y
   conda activate E:\conda_env\cifar10_env

2. 安装 PyTorch 和依赖：

   pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128
   pip install numpy matplotlib pillow tqdm

3. 验证 GPU 可用性：

   python -c "import torch; print(torch.cuda.is_available())"

   输出应为 True。

📂 数据集

项目使用 CIFAR-10 数据集，包含 60,000 张 32x32 彩色图像，分为 10 类，每类 6,000 张。训练集 50,000 张，测试集 10,000 张。

数据会在第一次运行训练脚本时自动下载到 ./data 目录。

🧠 模型结构

CIFAR10CNN(
  (conv1): Conv2d(3, 32, kernel_size=3, padding=1)
  (bn1): BatchNorm2d(32)
  (conv2): Conv2d(32, 64, kernel_size=3, padding=1)
  (bn2): BatchNorm2d(64)
  (pool): MaxPool2d(2)
  (conv3): Conv2d(64, 128, kernel_size=3, padding=1)
  (bn3): BatchNorm2d(128)
  (conv4): Conv2d(128, 128, kernel_size=3, padding=1)
  (bn4): BatchNorm2d(128)
  (pool2): MaxPool2d(2)
  (fc1): Linear(128*4*4 -> 256)
  (fc2): Linear(256 -> 10)
  (dropout): Dropout(0.25)
)

🏋️ 训练与评估

训练脚本 train_cifar10.py

• 数据增强：随机水平翻转、随机裁剪（padding=4）
• 优化器：Adam（lr=0.001, weight_decay=1e-4）
• 学习率调度：StepLR（每 20 轮衰减一半）
• 训练轮数：30
• 保存策略：保存测试集准确率最高的模型为 cifar10_cnn_best.pth

运行训练：

python train_cifar10.py

训练过程中会输出每个 epoch 的损失和准确率，并保存最佳模型。

训练结果示例

Epoch 6 用时: 16.98秒，当前学习率: 0.001000
*** 保存最佳模型，准确率: 75.24% ***
...
训练完成，最佳准确率: 75.24%

🔍 预测

提供了两种预测模式：单张图片预测和批量文件夹预测。脚本 batch_predict_cifar10.py 会自动加载最佳模型。

单张图片预测（支持拖拽）

python batch_predict_cifar10.py 图片路径

例如：

python batch_predict_cifar10.py C:\Users\user\Desktop\cat.jpg

批量预测文件夹（默认 test_imgs）

python batch_predict_cifar10.py

脚本会扫描当前目录下的 test_imgs 文件夹，识别所有图片并输出结果。

预测结果示例

模型加载成功
找到 40 张图片，开始识别...

airplane_cartoon.jpg -> airplane (置信度: 1.0000)
bird_oil.jpg -> frog (置信度: 0.9511)
cat_real.jpg -> cat (置信度: 0.3991)
...
识别完成！

📁 项目结构

CIFAR10/
├── train_cifar10.py            # 训练脚本
├── batch_predict_cifar10.py    # 预测脚本（支持单张/批量）
├── cifar10_cnn_best.pth        # 训练好的最佳模型（生成）
├── test_imgs/                  # 存放测试图片的文件夹（用户自建）
├── data/                       # CIFAR-10 数据集存放位置（自动下载）
└── README.md                   # 项目说明

📊 性能评估

在自行收集的 40 张风格化测试图片（含真实照片、卡通、油画、像素画）上，模型表现如下：

图片类型	准确率
真实照片	80%
卡通	70%
油画	60%
像素画	70%
总体	70%

• 强类别：飞机、青蛙、鸟等识别稳定。
• 易混淆：汽车 vs 卡车、猫 vs 狗、鹿 vs 卡车（尤其在艺术风格下）。
• 低置信度正确：部分真实照片虽然正确，但置信度较低（如猫 0.399），说明特征不够显著。

🚧 后续改进方向

• 使用更强的数据增强（如颜色抖动、灰度化）提升风格泛化能力。
• 尝试更深的模型（如 ResNet-18、VGG）以获得更高准确率。
• 针对特定误分类情况收集少量样本进行微调。

📝 致谢

本项目参考了 PyTorch 官方教程和 CIFAR-10 相关开源项目，并在实际调试中解决了一系列环境兼容性问题（如 CUDA 版本匹配、Windows 多进程数据加载等），最终形成完整可复现的代码。

---

欢迎 Star 和 Fork！ 如有问题，请提交 Issue。