ResNet18多标签分类教程：1小时快速验证想法-程序员充电站

ResNet18多标签分类教程：1小时快速验证想法

引言

作为一名研究生，当导师建议尝试多标签分类任务时，你可能既兴奋又忐忑。兴奋的是这是一个前沿且有挑战性的课题，忐忑的是本地训练速度太慢，验证一个想法可能要等上好几天。别担心，本文将带你用ResNet18快速搭建多标签分类模型，1小时内验证你的思路可行性。

多标签分类与传统的单标签分类不同，它允许一张图片同时属于多个类别。比如一张图片可以同时包含"猫"和"沙发"两个标签。ResNet18作为经典的卷积神经网络，虽然最初设计用于单标签分类，但经过适当修改完全可以胜任多标签任务。

本文将使用PyTorch框架，基于CIFAR-10数据集（虽然它本身是单标签的，但我们可以模拟多标签场景），教你如何：

修改ResNet18的网络结构
准备多标签数据集
快速训练并验证模型
评估多标签分类效果

1. 环境准备与数据模拟

1.1 安装必要库

首先确保你的环境安装了PyTorch。如果你使用CSDN星图镜像，可以直接选择预装PyTorch的镜像，省去安装步骤。

pip install torch torchvision numpy matplotlib

1.2 模拟多标签数据

由于CIFAR-10原本是单标签数据集，我们需要模拟多标签场景。这里采用简单的策略：对每张图片随机分配1-3个标签。

import torch from torchvision import datasets, transforms import numpy as np # 数据转换 transform = transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)) ]) # 加载CIFAR-10 train_dataset = datasets.CIFAR10(root='./data', train=True, download=True, transform=transform) test_dataset = datasets.CIFAR10(root='./data', train=False, download=True, transform=transform) # 模拟多标签：每张图片随机分配1-3个标签 def create_multilabel(dataset): multilabel_data = [] for img, label in dataset: # 随机选择1-3个额外标签 num_extra = np.random.randint(0, 3) extra_labels = np.random.choice(10, num_extra, replace=False) # 合并原始标签和额外标签 all_labels = np.unique(np.append(label, extra_labels)) # 创建多标签向量 (10维，对应10个类别) label_vec = torch.zeros(10) label_vec[all_labels] = 1 multilabel_data.append((img, label_vec)) return multilabel_data train_multilabel = create_multilabel(train_dataset) test_multilabel = create_multilabel(test_dataset)

2. 修改ResNet18网络结构

2.1 理解ResNet18原始结构

ResNet18原始设计用于单标签分类，其最后一层是全连接层，输出维度等于类别数（如CIFAR-10就是10）。对于多标签分类，我们需要做两处关键修改：

将最后的全连接层输出维度保持为类别数
将softmax激活函数改为sigmoid，因为每个标签是独立的二元分类问题

2.2 代码实现修改

import torchvision.models as models import torch.nn as nn class MultiLabelResNet18(nn.Module): def __init__(self, num_classes=10): super(MultiLabelResNet18, self).__init__() # 加载预训练的ResNet18 self.resnet = models.resnet18(pretrained=True) # 修改最后的全连接层，保持输出维度不变 in_features = self.resnet.fc.in_features self.resnet.fc = nn.Linear(in_features, num_classes) def forward(self, x): x = self.resnet(x) # 使用sigmoid激活函数替代softmax return torch.sigmoid(x)

3. 训练多标签分类模型

3.1 定义损失函数和评估指标

多标签分类使用二元交叉熵损失（BCELoss），评估指标常用精确率、召回率和F1分数。

import torch.optim as optim from sklearn.metrics import f1_score, accuracy_score # 初始化模型 model = MultiLabelResNet18(num_classes=10) device = torch.device("cuda" if torch.cuda.is_available() else "cpu") model.to(device) # 损失函数和优化器 criterion = nn.BCELoss() optimizer = optim.Adam(model.parameters(), lr=0.001) # 评估函数 def evaluate(model, dataloader, threshold=0.5): model.eval() all_preds = [] all_labels = [] with torch.no_grad(): for inputs, labels in dataloader: inputs, labels = inputs.to(device), labels.to(device) outputs = model(inputs) preds = (outputs > threshold).float() all_preds.append(preds.cpu()) all_labels.append(labels.cpu()) all_preds = torch.cat(all_preds, dim=0) all_labels = torch.cat(all_labels, dim=0) f1 = f1_score(all_labels, all_preds, average='samples') accuracy = accuracy_score(all_labels, all_preds) return f1, accuracy

3.2 训练循环

from torch.utils.data import DataLoader # 创建数据加载器 train_loader = DataLoader(train_multilabel, batch_size=64, shuffle=True) test_loader = DataLoader(test_multilabel, batch_size=64, shuffle=False) # 训练参数 num_epochs = 10 # 为了快速验证，我们只训练10个epoch for epoch in range(num_epochs): model.train() running_loss = 0.0 for i, (inputs, labels) in enumerate(train_loader): inputs, labels = inputs.to(device), labels.to(device) # 清零梯度 optimizer.zero_grad() # 前向传播 outputs = model(inputs) loss = criterion(outputs, labels) # 反向传播和优化 loss.backward() optimizer.step() running_loss += loss.item() # 每个epoch结束后评估 train_f1, train_acc = evaluate(model, train_loader) test_f1, test_acc = evaluate(model, test_loader) print(f'Epoch {epoch+1}/{num_epochs}, Loss: {running_loss/len(train_loader):.4f}, ' f'Train F1: {train_f1:.4f}, Test F1: {test_f1:.4f}, ' f'Train Acc: {train_acc:.4f}, Test Acc: {test_acc:.4f}')

4. 结果分析与优化建议

4.1 理解输出结果

多标签分类的输出是一个概率向量，每个元素表示对应标签存在的概率。我们需要设置一个阈值（通常为0.5）来决定是否预测该标签存在。

# 示例预测 model.eval() sample_img, _ = test_multilabel[0] with torch.no_grad(): output = model(sample_img.unsqueeze(0).to(device)) predicted_labels = (output > 0.5).int().squeeze().cpu().numpy() print("预测标签向量:", predicted_labels)