PyTorch快速入门：深度学习框架初探

引言：一次从零开始的尝试

我第一次接触PyTorch，是在公司的一个图像分类项目中。那时候我们刚转型进入AI领域，团队里没有专门的算法工程师，大部分人都来自传统后端或前端背景。面对TensorFlow和PyTorch的选择时，我们犹豫了很久——TensorFlow有Keras这样的高级封装，看起来更容易上手；但最终还是选了PyTorch，因为它的动态计算图更符合我们这些开发者的编程直觉。

现在回头看，这绝对是一个正确的决定。随着PyTorch在学术界和工业界的迅猛发展，特别是Transformer、扩散模型等前沿技术大多基于PyTorch实现，掌握这个框架已经成了AI时代的一项必备技能。这篇文章想结合我自己的真实经历，分享一下我是怎么从零开始，一步步搞懂PyTorch，并成功用它完成一个实战项目的。

---

项目背景：图像分类任务的挑战

事情要回到2022年年初，我们接了一个新需求：为一家医疗影像公司搭建一个肺部CT图像异常检测系统。简单来说，就是要把海量的CT图像自动标注出是否存在结节、钙化、磨玻璃影等异常特征。当时我们拿到的数据量大概是3万张左右，标注相对完整，格式也统一（都是PNG），看似是一个“标准”的图像分类问题。

但实际操作下来才发现，没那么简单。

首先，数据分布不均。虽然整体样本有3万张，但某些类别比如钙化斑块，数量特别少，导致模型很容易过拟合到那些常见的标签上。

其次，图像质量参差不齐。有些CT图亮度不均匀、对比度低，甚至部分有伪影，这对模型泛化提出了很高的要求。

更重要的是，我们在训练初期用了一些传统的CV方法（比如SIFT+SVM）效果并不理想，准确率始终在70%以下。这时候大家意识到，必须引入深度学习模型，才能把准确率提上来。

于是，我们选择了PyTorch作为深度学习框架，开始了这段“摸着石头过河”的旅程。

---

选择PyTorch的理由：为什么不是TensorFlow？

虽然TensorFlow也有它的优势，比如更适合部署生产环境，但我们最终选择PyTorch，主要有以下几个原因：

1. 易读性高：PyTorch是动态图机制，代码写起来就像Python一样直观，调试起来非常方便。
2. 社区活跃：很多最新的论文实现都发布在GitHub上，并且是以PyTorch为主的。我们当时想复现ResNet-50、EfficientNet等经典结构时，可以很方便地找到开源参考代码。
3. 适合研发阶段：我们处于快速试错、不断迭代的阶段，PyTorch的灵活性更能满足这种需求。

还有一个很重要的原因是：PyTorch的文档和教程比TensorFlow更加贴近开发者视角。虽然两者官方文档都不错，但PyTorch的官方教程往往带着“动手实践”的味道，这对于非算法出身的人来说非常友好。

---

技术方案：从零搭起一个图像分类系统

我们的目标是构建一个能识别多种肺部异常类型的图像分类系统。最终采用的技术方案如下：

• 模型架构：以ResNet-50为主干网络，做微调（fine-tune）
• 数据增强：使用torchvision.transforms进行随机裁剪、旋转、调整亮度/对比度
• 优化器：Adam，配合Cosine退火调度策略
• 损失函数：Focal Loss，缓解类别不平衡问题
• 硬件配置：一块NVIDIA A6000显卡，80G内存，Ubuntu 20.04 + PyTorch 1.13

整个流程大致可以分为以下几个步骤：

1. 数据准备与预处理
2. 构建模型结构
3. 定义损失函数和优化器
4. 编写训练循环
5. 模型评估与调优

下面我会详细介绍一下其中几个关键环节。

---

数据处理：不只是加载而已

PyTorch提供了一个非常好用的torch.utils.data.Dataset类，允许我们自定义数据集。最初我直接继承这个类，自己写了一个读取CSV文件（包含图像路径和label）的代码：

from torch.utils.data import Dataset
import cv2
import pandas as pd

class LungCTDataset(Dataset):
    def __init__(self, csv_file, transform=None):
        self.annotations = pd.read_csv(csv_file)
        self.transform = transform

    def __len__(self):
        return len(self.annotations)

    def __getitem__(self, idx):
        img_path = self.annotations.iloc[idx, 0]
        image = cv2.imread(img_path)
        y_label = torch.tensor(int(self.annotations.iloc[idx, 1]))

        if self.transform:
            image = self.transform(image)

        return image, y_label

这段代码看起来没什么问题，但实际运行的时候发现：

• cv2.imread()读出来的图像通道顺序是BGR，而PyTorch默认处理RGB，结果颜色完全对不上！
• 图像尺寸不一致，有的是512x512，有的是256x256，不做统一的话后续会报错。
• 类别严重不平衡，需要额外采样或加权。

经过几次修改之后，我们用了更稳健的方式处理图像：

transform = transforms.Compose([
    transforms.ToPILImage(),
    transforms.Resize((224, 224)),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])

另外，我们也采用了WeightedRandomSampler来解决类别不平衡的问题：

from torch.utils.data.sampler import WeightedRandomSampler

# 计算每个类别的权重
class_counts = ... # 各类数量
weights = 1. / torch.tensor(class_counts, dtype=torch.float)
samples_weights = weights[labels]

sampler = WeightedRandomSampler(weights=samples_weights,
                               num_samples=len(samples_weights),
                               replacement=True)

train_loader = DataLoader(dataset, batch_size=64, sampler=sampler)

这样做的好处是，在训练时，小样本类别会被频繁抽样，防止模型偏向多数类。

---

模型搭建与迁移学习

我们一开始尝试从头开始训练一个ResNet50模型，结果训练了快一周还没收敛。后来果断改成迁移学习方式，用ImageNet预训练好的ResNet50，冻结底层参数，只训练最后几层：

model = resnet50(pretrained=True)
for param in model.parameters():
    param.requires_grad = False

# 替换最后一层全连接层
num_ftrs = model.fc.in_features
model.fc = nn.Linear(num_ftrs, num_classes)  # num_classes是我们自己的分类数

为了更好地调整学习率，我们还引入了余弦退火：

from torch.optim.lr_scheduler import CosineAnnealingLR

optimizer = Adam(model.parameters(), lr=0.001)
scheduler = CosineAnnealingLR(optimizer, T_max=10)

这部分的经验教训就是：

不要一上来就从头训练大模型，尤其是当你的数据量不是非常大的时候。迁移学习+Fine Tune几乎总是更快见效。

---

踩过的坑与解决方案

坑一：图像通道顺序搞反了

前面提到，OpenCV是按BGR格式读取图像，而大多数预训练模型期望的是RGB格式。如果你忘了转换，颜色就会出错，严重影响训练效果。

解决方案：使用transforms.ToPILImage()替代cv2.imread()，或者手动转换通道顺序：

image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

坑二：模型输出值全是NaN

有一段时间，我们的模型输出全是NaN，loss也不下降。排查了半天才发现是归一化参数搞错了！

PyTorch推荐使用：

transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])

这是针对ImageNet数据集的统计值，如果你的数据差异比较大，会导致输入数值超出标准范围，出现梯度爆炸。

解决方案：如果是自己的数据集，最好自己计算mean和std：

def calculate_mean_std(loader):
    mean = 0.
    std = 0.
    total_images_count = 0
    for images, _ in loader:
        batch_samples = images.size(0)
        images = images.view(batch_samples, images.size(1), -1)
        mean += images.mean(2).sum(0)
        std += images.std(2).sum(0)
        total_images_count += batch_samples

    mean /= total_images_count
    std /= total_images_count
    return mean, std

坑三：多GPU训练的陷阱

当我们尝试在多个GPU上训练模型时，出现了显存暴涨的问题。

刚开始我们用了：

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model.to(device)
model = nn.DataParallel(model)

但结果发现，DataParallel的性能反而不如单卡。这是因为：

• DataParallel会把数据复制到每个GPU上，然后分别前向传播，再合并结果。对于大模型来说，这会占用大量内存。
• 如果你想真正高效地使用多GPU，应该使用DistributedDataParallel（DDP）。

不过DDP配置更复杂一些，涉及到进程管理。如果你只是想加速训练，又不想花时间研究分布式训练细节，用单个GPU其实更好。

---

效果总结：准确率稳步提升

我们一共训练了大约15轮（epoch），每一轮平均耗时约12分钟。随着训练的推进，准确率逐渐上升：

Epoch	Train Accuracy	Validation Accuracy
1	72.3%	68.2%
5	81.4%	76.5%
10	87.6%	83.1%
15	90.8%	85.6%

虽然没有达到预期的90%以上，但相比之前的CV方法，已经是质的飞跃。而且考虑到数据质量和标注偏差的存在，这个结果还算说得过去。

最终我们将模型打包成REST API接口，通过FastAPI对外提供服务，支持图像上传并返回预测结果。整个系统上线后运行稳定，得到了客户的认可。

---

我的几点经验总结

在这次项目实践中，我积累了不少关于PyTorch的实际使用经验。这里总结几点给正在入门的朋友们：

1. 先跑起来，再优化
   刚接触PyTorch时，不要一上来就追求完美设计，而是先跑通一个完整的流程，哪怕只是一个简单的分类任务。这样你会更直观地理解各个模块是怎么协作的。

2. 多看官方文档和教程
   PyTorch官网有很多高质量的示例教程，比如“Deep Learning with PyTorch: A 60 Minute Blitz”，非常适合初学者。建议一边看一遍动手敲。

3. 善用Jupyter Notebook练手
   在调试模型结构和数据预处理时，Notebook是非常好用的工具。你可以随时修改一部分代码并看到结果，省去了反复启动训练的麻烦。

4. 学会打印中间变量
   动态图的好处是可以随时print各种tensor的shape、type、device信息，帮助你快速定位问题。

5. 记录训练过程，画个图看看趋势
   用TensorBoard可视化loss和accuracy曲线，不仅有助于调参，也可以让你直观地看出模型是否过拟合或欠拟合。

6. 遇到问题多搜索，但不要迷信StackOverflow
   PyTorch更新很快，有时候网上搜到的答案可能是旧版本的方法，执行时会出错。记得看一下PyTorch的release notes，确认你用的是最新推荐做法。

---

结语：PyTorch是一把好刀

说实话，刚开始学PyTorch的时候我也很头疼。那堆module、tensor、backward、optim这些东西，看得人眼花缭乱。但是当你真的把它用在一个实际项目上，亲手调出第一个能收敛的模型，那种成就感真的是无可替代。

PyTorch就像一把功能强大但略显复杂的瑞士军刀，只要你愿意花时间熟悉它的每一把刃，它就能帮你解决无数技术难题。

希望这篇从实战出发、带着些许个人成长痕迹的文章，能帮你在学习PyTorch的路上少走弯路，走得更稳、更远。

如果你有任何问题，欢迎留言交流。毕竟，谁不是从一行import torch开始的呢？🚀