Python AI 实战：从线性回归到 MNIST 图像分类

这段代码展示了完整的训练闭环：前向传播计算预测值，通过损失函数评估误差，反向传播更新参数。注意 optimizer.zero_grad() 的作用，它防止梯度累积导致数值爆炸。

进阶：神经网络与非线性拟合

当数据呈现非线性关系时，单层线性模型就力不从心了。我们需要引入隐藏层和激活函数。

import torch
import torch.nn as nn
import torch.optim as optim

# 生成非线性数据：y = x^2 + noise
x = torch.linspace(-1, 1, 100).unsqueeze(1)
y = x.pow(2) + 0.2 * torch.randn(100, 1)

class NeuralNet(nn.Module):
    def __init__(self):
        super(NeuralNet, self).__init__()
        self.hidden = nn.Linear(1, 10)  # 隐藏层
        self.output = nn.Linear(10, 1)  # 输出层

    def forward(self, x):
        x = torch.relu(self.hidden(x))  # ReLU 激活
        x = self.output(x)
        return x

model = NeuralNet()
criterion = nn.MSELoss()
optimizer = optim.SGD(model.parameters(), lr=0.01)

epochs = 1000
for epoch in range(epochs):
    outputs = model(x)
    loss = criterion(outputs, y)
    
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

    if (epoch + 1) % 100 == 0:
        print(f'Epoch [{epoch+1}/{epochs}], Loss: {loss.item():.4f}')

# 可视化结果
with torch.no_grad():
    predicted = model(x)

plt.scatter(x.numpy(), y.numpy(), label='Original data')
plt.plot(x.numpy(), predicted.numpy(), 'r-', label='Neural network prediction')
plt.legend()
plt.show()

这里的关键在于 torch.relu 引入了非线性，使得网络能够拟合曲线而非直线。对于更复杂的数据分布，增加隐藏层或神经元数量通常能提升效果。

图像分类实战：MNIST 数据集

处理图像数据需要卷积神经网络（CNN）。PyTorch 提供了便捷的 torchvision 工具包来加载和处理标准数据集。

1. 数据加载与预处理

import torch
import torchvision
import torchvision.transforms as transforms
import matplotlib.pyplot as plt
import numpy as np

# 数据预处理：归一化
transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5,), (0.5,))
])

# 加载 MNIST 数据集
trainset = torchvision.datasets.MNIST(root='./data', train=True, download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=64, shuffle=True)
testset = torchvision.datasets.MNIST(root='./data', train=False, download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=64, shuffle=False)

# 辅助函数：显示图像
def imshow(img):
    img = img / 2 + 0.5
    npimg = img.numpy()
    plt.imshow(np.transpose(npimg, (1, 2, 0)))
    plt.show()

# 查看一批训练数据
dataiter = iter(trainloader)
images, labels = next(dataiter)
imshow(torchvision.utils.make_grid(images))
print('标签:', ' '.join(f'{labels[j]}' for j in range(4)))

2. 构建卷积神经网络

import torch.nn as nn
import torch.nn.functional as F

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        # 卷积层：输入通道 1，输出 32，核大小 3
        self.conv1 = nn.Conv2d(1, 32, 3, 1)
        # 卷积层：输入通道 32，输出 64，核大小 3
        self.conv2 = nn.Conv2d(32, 64, 3, 1)
        # 池化层
        self.pool = nn.MaxPool2d(2, 2)
        # 全连接层
        self.fc1 = nn.Linear(64 * 12 * 12, 128)
        self.fc2 = nn.Linear(128, 10)

    def forward(self, x):
        x = self.pool(F.relu(self.conv1(x)))
        x = self.pool(F.relu(self.conv2(x)))
        x = x.view(-1, 64 * 12 * 12)
        x = F.relu(self.fc1(x))
        x = self.fc2(x)
        return x

net = Net()
print(net)

3. 训练与评估

import torch.optim as optim

# 交叉熵损失适合多分类问题
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)

# 训练循环
epochs = 5
for epoch in range(epochs):
    running_loss = 0.0
    for i, data in enumerate(trainloader, 0):
        inputs, labels = data
        
        optimizer.zero_grad()
        outputs = net(inputs)
        loss = criterion(outputs, labels)
        
        loss.backward()
        optimizer.step()
        
        running_loss += loss.item()
        if i % 100 == 99:
            print(f'[{epoch + 1}, {i + 1}] loss: {running_loss / 100:.3f}')
            running_loss = 0.0

print('训练完成')

# 测试准确率
correct = 0
total = 0
with torch.no_grad():
    for data in testloader:
        images, labels = data
        outputs = net(images)
        _, predicted = torch.max(outputs.data, 1)
        total += labels.size(0)
        correct += (predicted == labels).sum().item()

print(f'测试准确率：{100 * correct / total:.2f}%')

# 查看预测结果
dataiter = iter(testloader)
images, labels = next(dataiter)
imshow(torchvision.utils.make_grid(images))
print('真实标签:', ' '.join(f'{labels[j]}' for j in range(4)))
outputs = net(images)
_, predicted = torch.max(outputs, 1)
print('预测标签:', ' '.join(f'{predicted[j]}' for j in range(4)))

跨语言视角的思考

对于有系统编程背景（如 Rust）的开发者，转向 Python AI 开发会有不同的体验：

• 开发效率：Python 的动态特性让原型迭代非常快，无需像 Rust 那样频繁处理生命周期和所有权问题。
• 生态优势：PyTorch 等框架封装了底层优化，直接调用即可，省去了大量底层实现工作。
• 性能权衡：虽然 Python 运行速度不如 Rust，但核心计算通常由 C++/CUDA 后端加速，对最终用户透明。
• 类型系统：动态类型要求更严格的逻辑自洽，建议配合类型注解（Type Hints）提升可维护性。

保持清晰的代码结构，将业务逻辑与底层细节分离，是跨语言迁移时的关键习惯。

总结

从线性回归到 CNN 图像分类，我们完成了 Python AI 开发的核心流程。掌握 PyTorch 的基本组件（Dataset, DataLoader, Module, Optimizer）后，应对大多数入门级深度学习任务已不成问题。在实际项目中，建议结合具体业务场景调整网络结构，并关注数据质量对模型效果的直接影响。