C# TorchSharp 图像分类实战：VGG大规模图像识别的超深度卷积网络|江阴雨辰互联

C# TorchSharp 图像分类实战：VGG大规模图像识别的超深度卷积网络

教程名称：使用 C# 入门深度学习

作者：痴者工良

教程地址：

电子书仓库：

Maomi.Torch 项目仓库：.Torch

图像分类 | 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：.1556

论文中文版地址： ——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：

代码语言：javascript代码运行次数：0运行复制

airplane
automobile
bird
cat
deer
dog
frog
horse
ship
truck

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：

代码语言：javascript代码运行次数：0运行复制

// 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：

打开注册账号，然后在个人信息中心添加密钥。

然后下载 openxlab 提供的 cli 工具：

代码语言：javascript代码运行次数：0运行复制

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：

代码语言：javascript代码运行次数：0运行复制

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：

代码语言：javascript代码运行次数：0运行复制

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：

代码语言：javascript代码运行次数：0运行复制

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

image-20250213203259114

数据集信息及文件列表查看

代码语言：javascript代码运行次数：0运行复制

openxlab dataset info --dataset-repo OpenDataLab/CIFAR-10

image-20250213202802853

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）。

image-20250213210939996

然后导入数据：

代码语言：javascript代码运行次数：0运行复制

// 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。

代码语言：javascript代码运行次数：0运行复制

├─test
│├─airplane
│├─automobile
│├─bird
│├─cat
│├─deer
│├─dog
│├─frog
│├─horse
│├─ship
│└─truck
└─train
│├─airplane
│├─automobile
│├─bird
│├─cat
│├─deer
│├─dog
│├─frog
│├─horse
│├─ship
│└─truck

image-20250215205033982

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：

代码语言：javascript代码运行次数：0运行复制

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：

代码语言：javascript代码运行次数：0运行复制

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(newlong[]{1,3,32,32}),
    transforms.Normalize(means:newdouble[]{0.485,0.456,0.406}, stdevs:newdouble[]{0.229,0.224,0.225}),
    MM.transforms.ReshapeTransform(newlong[]{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：

代码语言：javascript代码运行次数：0运行复制

// 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 =newDataLoader(train_dataset, batchSize:1024, shuffle:true, device: defaultDevice, num_worker:10);
var val_loader =newDataLoader(val_dataset, batchSize:1024, shuffle:false, device: defaultDevice, num_worker:10);

初始化 vgg16 网络：

代码语言：javascript代码运行次数：0运行复制

var model = torchvision.models.vgg16(num_classes: 10);
model.to(device: defaultDevice);

设置损失函数和优化器：

代码语言：javascript代码运行次数：0运行复制

var criterion = nn.CrossEntropyLoss();
var optimizer = optim.SGD(model.parameters(), learningRate: 0.001, momentum: 0.9);

训练模型并保存：

代码语言：javascript代码运行次数：0运行复制

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：

代码语言：javascript代码运行次数：0运行复制

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。

代码语言：javascript代码运行次数：0运行复制


model.load("model.dat");
model.to(device: defaultDevice);
model.eval();
<br />
var classes =newstring[]{
"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[0].argmax(0).ToInt32();

// 转换为归一化的概率
// outputs.shape = [1,10]，所以取 [dim:1]
var array = torch.nn.functional.softmax(outputs, dim:1);
var max = array[0].ToFloat32Array();
var predicted1 = classes[index];
Console.WriteLine($"识别结果 {predicted1}，准确率：{max[index] * 100}%");
}
}

识别结果：

代码语言：javascript代码运行次数：0运行复制

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：

airplane

cat

dog本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。原始发表：2025-04-01，如有侵权请联系 cloudcommunity@tencent 删除数据网络c#图像识别模型

发布者：admin，转转请注明出处：http://www.yc00.com/web/1748028717a4720823.html

C# TorchSharp 图像分类实战：VGG大规模图像识别的超深度卷积网络