用 PyTorch 实战入门深度学习：一个项目小白的成长日记
引言：一次让我焦虑到失眠的项目任务
去年我还在一家中型电商公司做算法工程师，老板突然给我派了个新任务：“你来做个图像分类系统，能自动识别我们平台上的商品图片属于什么类别。”听起来好像很常规，但当时我的知识储备还停留在传统的机器学习模型（比如 SVM、随机森林），对深度学习只在书上和教程里摸过皮毛。于是，我决定从头学起，选择 PyTorch 这个框架作为切入点。
说实话，最开始那几天我真的一点头绪都没有，看着网上的资料感觉都是“会的人写给会的人看的”，完全看不懂那些代码到底是怎么训练模型的。但为了不拖团队后腿，也只能硬着头皮啃，边查文档边试错。这篇笔记，其实就是记录我当时那段痛苦又充实的学习过程，希望能帮到像我一样的初学者少走些弯路。
我们的第一个实战目标：商品图像分类
项目背景很简单——公司每天有几千张用户上传的商品图片，手动分类效率低、出错率高，急需一个能自动将图片分门别类的系统。我们需要做的，就是根据现有的商品数据（带标签）来训练一个图像分类模型，准确地预测新上传图片的类别，比如“衣服”、“电子产品”、“日用品”等等。
我们准备了一个包含 10 万张商品图的小型数据集，分为 50 个类别。图片尺寸大小不一，格式也混杂，有些甚至模糊不清。这其实是一个很现实的问题，在真实工作中，数据总是不完美的。
初识 PyTorch：为什么选它？
在技术选型阶段，我也调研了 TensorFlow 和 Keras，但最终还是决定尝试 PyTorch。主要是因为：
- 动态计算图（Dynamic Computation Graph） 更容易调试，适合新手理解流程
- 社区活跃度高，很多论文代码直接使用 PyTorch，学习成本低
- 调试友好，打印中间变量更方便
- 和 Python 的契合更好，不像静态图那样需要预先定义结构
不过刚上手的时候，我还是被 PyTorch 的几个概念搞得晕头转向，比如 Tensor、nn.Module、Dataloader 等等。但我后来发现，只要结合代码边学边练，这些概念很快就能融会贯通。
第一步：搭建你的第一个神经网络
安装和准备环境
安装 PyTorch 其实很简单，我推荐大家去官网 https://pytorch.org/ 自己选版本，比如我那时候是用的如下命令：
pip install torch torchvision torchaudio
其中：
torch是主库torchvision提供了很多预训练模型和常用数据集（如 CIFAR、ImageNet）torchaudio处理音频数据的，虽然这个项目没用上，但先装上省得以后麻烦
简单数据加载与预处理
我们的第一步是从本地硬盘读取数据，这里我使用了 PyTorch 的 Dataset 和 DataLoader 类：
from torch.utils.data import Dataset, DataLoader
from torchvision import transforms
import os
from PIL import Image
class CustomImageDataset(Dataset):
def __init__(self, root_dir, transform=None):
self.root_dir = root_dir
self.transform = transform
self.classes = sorted(os.listdir(root_dir))
self.class_to_idx = {cls: idx for idx, cls in enumerate(self.classes)}
self.image_paths = []
for class_name in self.classes:
class_path = os.path.join(self.root_dir, class_name)
for img_name in os.listdir(class_path):
self.image_paths.append((os.path.join(class_path, img_name), self.class_to_idx[class_name]))
def __len__(self):
return len(self.image_paths)
def __getitem__(self, idx):
image_path, label = self.image_paths[idx]
image = Image.open(image_path).convert('RGB')
if self.transform:
image = self.transform(image)
return image, label
然后是数据增强和变换：
transform_train = transforms.Compose([
transforms.Resize((224, 224)),
transforms.ToTensor(),
])
dataset = CustomImageDataset(root_dir='data/train', transform=transform_train)
loader = DataLoader(dataset, batch_size=64, shuffle=True)
这部分花了我不少时间，尤其是路径处理这一块，经常遇到文件夹名混乱、部分子目录为空等问题。建议大家一开始先用 print 输出中间变量看看有没有问题，不要怕麻烦。
模型构建：从零开始写网络 or 借鉴大佬的预训练模型？
一开始我是想自己写个小 CNN 网络练手，于是写了这样一个简单的结构：
import torch.nn as nn
class SimpleCNN(nn.Module):
def __init__(self, num_classes=50):
super(SimpleCNN, self).__init__()
self.features = nn.Sequential(
nn.Conv2d(3, 16, kernel_size=3, padding=1),
nn.ReLU(),
nn.MaxPool2d(2),
nn.Conv2d(16, 32, kernel_size=3, padding=1),
nn.ReLU(),
nn.MaxPool2d(2)
)
self.classifier = nn.Sequential(
nn.Linear(32 * 56 * 56, 512),
nn.ReLU(),
nn.Linear(512, num_classes)
)
def forward(self, x):
x = self.features(x)
x = x.view(x.size(0), -1)
x = self.classifier(x)
return x
跑了几轮之后我发现准确率卡在 50% 左右，根本没提升。这时候我才意识到，作为一个小数据集（只有 10 万张图），想要从零训练一个高性能 CNN 是很困难的，参数量太大，很容易过拟合或者收敛慢。
于是我就改用了 PyTorch 提供的预训练模型，比如 ResNet：
import torchvision.models as models
model = models.resnet18(pretrained=True)
for param in model.parameters():
param.requires_grad = False # 冻结前面层
# 替换最后一层输出为 50 类
model.fc = nn.Linear(model.fc.in_features, 50)
这样就省去了大量训练时间，而且效果也好多了。如果你的数据集不大，一定要优先考虑使用预训练模型做迁移学习！
损失函数、优化器与训练循环
PyTorch 的 API 设计真的非常友好，损失函数和优化器都封装得很好：
criterion = nn.CrossEntropyLoss()
optimizer = torch.optim.Adam(model.fc.parameters(), lr=1e-3) # 只训练最后的 fc 层
接下来是训练代码的核心部分（简化版）：
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model.to(device)
num_epochs = 10
for epoch in range(num_epochs):
model.train()
total_loss = 0
correct = 0
total_samples = 0
for images, labels in loader:
images, labels = images.to(device), labels.to(device)
outputs = model(images)
loss = criterion(outputs, labels)
optimizer.zero_grad()
loss.backward()
optimizer.step()
_, predicted = torch.max(outputs.data, 1)
correct += (predicted == labels).sum().item()
total_samples += labels.size(0)
total_loss += loss.item()
print(f"Epoch [{epoch+1}/{num_epochs}], Loss: {total_loss:.4f}, Accuracy: {correct / total_samples * 100:.2f}%")
这段训练代码是我最早写出来的完整版本之一，虽然看起来有点粗糙，但能跑起来就已经是一个飞跃了！
踩过的坑：从显存爆炸到梯度消失，都是成长路上的坎儿
下面是一些我在训练过程中踩过的坑和解决办法，希望对你有帮助：
💥 显存炸了怎么办？
刚开始我不懂如何控制 batch size，一股脑设成 128，结果直接爆显存（GPU 内存不够）。后来学会了查看当前显存占用情况：
nvidia-smi
然后调整 batch_size，一般从 16、32 开始试，特别是如果你用的是大模型（比如 ResNet-101 或以上），batch_size 不要超过 32。
🔁 训练不收敛？检查学习率设置！
有一次我跑了十几轮准确率还是不到 20%，后来才发现是因为学习率设成了 0.1，太大了！Adam 优化器本身对学习率比较敏感，我后来改成 lr=1e-3 效果就好多了。
🧠 准确率卡住不动？可能是冻结层策略不对！
刚开始我把 ResNet 所有层都 freeze 掉了，只训练最后一个全连接层，结果发现验证集准确率一直在 70% 上下浮动，很难突破。后来我尝试解冻一部分卷积层重新微调，准确率一下提到了 85%。
# 解冻部分层
ct = 0
for child in model.children():
ct += 1
if ct < 7: # 解冻前七层
for param in child.parameters():
param.requires_grad = True
最终效果：一个简单却实用的商品分类器诞生
经过两轮迭代，我的模型终于稳定下来了，最终在测试集上达到了约 87% 的准确率。虽然没有达到 SOTA，但对于一个小公司来说已经足够用了。我们把这个模型部署在了服务器上，配合前端页面，实现了一个简易的商品分类后台系统。
上线之后用户反馈很好，分类错误明显减少，人工审核工作量下降了 60% 左右。最让我感动的是有一天同事说：“最近图片标注的差错率比以前少了好多，是你做了啥吗？”那一刻我觉得之前熬的夜都值了。
经验总结：PyTorch 入门的几点建议
如果你也在学习 PyTorch，或者刚刚开始接触深度学习，这里有几点我自己的心得可以分享给你：
📚 理论要配实践，动手才是王道
很多人喜欢先把所有原理搞清楚再去写代码，我刚开始也是这样。但后来发现，不如一边查文档一边敲代码来得快。很多时候，你看不懂的理论，跑一遍代码就知道是什么意思了。
📊 数据质量决定上限，模型只是逼近这个上限的方式
我在项目初期花了不少时间清洗数据：剔除重复样本、统一图像尺寸、删掉一些噪声太大的图片。结果训练速度更快了，模型效果也有提升。
⚡ 技术选型不要太追求“高级”
虽然 Transformer、ViT 现在很火，但在中小项目中还是以实用为主。ResNet、MobileNet 这些经典模型依然非常好用，而且社区资源丰富，文档多、例子多，容易上手。
🛠️ 工具链要跟上：用 Jupyter 快速验证 + TensorBoard 查看训练曲线
Jupyter Notebook 是调试的好伙伴，你可以一行行跑代码，观察输出。如果配合 TensorBoard 使用，还能实时查看 loss 和 accuracy 曲线，非常直观。
📖 官方文档和示例一定要看
PyTorch 的官方文档写得很详细，尤其是 torchvision.models 这部分，里面有各种预训练模型的使用说明。另外还有个 GitHub 仓库叫 pytorch/vision，里面有很多实际案例可以直接复制粘贴。
结语：AI 就是不断试错、不断改进的过程
回望这段 PyTorch 学习之路，我最大的感受就是：技术本身并不难，真正难的是面对未知时的坚持和信心。
我曾经也怀疑过自己适不适合做算法这条路，也曾因为连续几周调不好一个模型而焦虑不已。但现在回头看，正是这些跌跌撞撞的经历，才让我逐步建立了扎实的技术基础和独立解决问题的能力。
希望这篇文章能成为你旅程中的一个小灯塔，告诉你：即使你是零基础，也可以从一个真实项目出发，一步步走进深度学习的世界。记住，不要怕犯错，也不要怕慢，只要你不放弃，总有一天你会笑着说出“我训练出了第一个好模型！”
最后送你一句话：“代码不会骗人，数据也不会骗人，唯一会骗你的，可能只有你自己半途而废的心。”
Happy coding，欢迎一起探索 AI 的无限可能！
评论 0