计算机视觉04：图像分类

图像分类

分类器就是一个从像素到类别概率分布的函数。其他一切都是管道工程。

类型： 构建 语言： Python 前置要求： 第2阶段第09课（模型评估），第3阶段第10课（迷你框架），第4阶段第03课（CNN） 时长： ~75分钟

学习目标

• 在 CIFAR-10 上构建端到端的图像分类管道：数据集、数据增强、模型、训练循环、评估
• 解释每个组件（数据加载器、损失函数、优化器、学习率调度器、数据增强）的作用，并预测破坏其中任何一个会如何反映在损失曲线上
• 从零实现 mixup、cutout 和 label smoothing，并论证何时值得添加每种技术
• 读取混淆矩阵和逐类精确率/召回率表，以诊断超越整体准确率的数据集和模型问题

问题描述

每个实际部署的视觉任务在某种程度上都可以归结为图像分类。目标检测是对区域进行分类。语义分割是对像素进行分类。图像检索按与类别中心的相似度排序。把分类做对——数据集循环、增强策略、损失函数、评估方法——是一项可以迁移到本阶段所有其他任务的核心技能。

大多数分类 bug 不在模型中，而在管道里：归一化配置错误、训练集未打乱、增强操作扭曲了标签、验证集被训练数据污染、学习率在第30个 epoch 后静默发散。一个在正确配置下能在 CIFAR-10 上达到 93% 的 CNN，在配置错误时通常只有 70-75%，而损失曲线看起来一切正常。

本课将手动搭建整个管道，让每个部分都可检查。你不会使用 torchvision.datasets 中任何可能隐藏 bug 的功能。

核心概念

分类管道

#mermaid-svg-wenry8NqRQWWjSNk{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-wenry8NqRQWWjSNk .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-wenry8NqRQWWjSNk .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-wenry8NqRQWWjSNk .error-icon{fill:#552222;}#mermaid-svg-wenry8NqRQWWjSNk .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-wenry8NqRQWWjSNk .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-wenry8NqRQWWjSNk .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-wenry8NqRQWWjSNk .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-wenry8NqRQWWjSNk .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-wenry8NqRQWWjSNk .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-wenry8NqRQWWjSNk .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-wenry8NqRQWWjSNk .marker{fill:#333333;stroke:#333333;}#mermaid-svg-wenry8NqRQWWjSNk .marker.cross{stroke:#333333;}#mermaid-svg-wenry8NqRQWWjSNk svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-wenry8NqRQWWjSNk p{margin:0;}#mermaid-svg-wenry8NqRQWWjSNk .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-wenry8NqRQWWjSNk .cluster-label text{fill:#333;}#mermaid-svg-wenry8NqRQWWjSNk .cluster-label span{color:#333;}#mermaid-svg-wenry8NqRQWWjSNk .cluster-label span p{background-color:transparent;}#mermaid-svg-wenry8NqRQWWjSNk .label text,#mermaid-svg-wenry8NqRQWWjSNk span{fill:#333;color:#333;}#mermaid-svg-wenry8NqRQWWjSNk .node rect,#mermaid-svg-wenry8NqRQWWjSNk .node circle,#mermaid-svg-wenry8NqRQWWjSNk .node ellipse,#mermaid-svg-wenry8NqRQWWjSNk .node polygon,#mermaid-svg-wenry8NqRQWWjSNk .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-wenry8NqRQWWjSNk .rough-node .label text,#mermaid-svg-wenry8NqRQWWjSNk .node .label text,#mermaid-svg-wenry8NqRQWWjSNk .image-shape .label,#mermaid-svg-wenry8NqRQWWjSNk .icon-shape .label{text-anchor:middle;}#mermaid-svg-wenry8NqRQWWjSNk .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-wenry8NqRQWWjSNk .rough-node .label,#mermaid-svg-wenry8NqRQWWjSNk .node .label,#mermaid-svg-wenry8NqRQWWjSNk .image-shape .label,#mermaid-svg-wenry8NqRQWWjSNk .icon-shape .label{text-align:center;}#mermaid-svg-wenry8NqRQWWjSNk .node.clickable{cursor:pointer;}#mermaid-svg-wenry8NqRQWWjSNk .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-wenry8NqRQWWjSNk .arrowheadPath{fill:#333333;}#mermaid-svg-wenry8NqRQWWjSNk .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-wenry8NqRQWWjSNk .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-wenry8NqRQWWjSNk .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-wenry8NqRQWWjSNk .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-wenry8NqRQWWjSNk .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-wenry8NqRQWWjSNk .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-wenry8NqRQWWjSNk .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-wenry8NqRQWWjSNk .cluster text{fill:#333;}#mermaid-svg-wenry8NqRQWWjSNk .cluster span{color:#333;}#mermaid-svg-wenry8NqRQWWjSNk div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-wenry8NqRQWWjSNk .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-wenry8NqRQWWjSNk rect.text{fill:none;stroke-width:0;}#mermaid-svg-wenry8NqRQWWjSNk .icon-shape,#mermaid-svg-wenry8NqRQWWjSNk .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-wenry8NqRQWWjSNk .icon-shape p,#mermaid-svg-wenry8NqRQWWjSNk .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-wenry8NqRQWWjSNk .icon-shape .label rect,#mermaid-svg-wenry8NqRQWWjSNk .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-wenry8NqRQWWjSNk .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-wenry8NqRQWWjSNk .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-wenry8NqRQWWjSNk :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

Dataset(images + labels)