Python AI 入门实战：从线性回归到图像分类

这里有个细节要注意：optimizer.zero_grad() 必须在每次反向传播前调用，否则梯度会累积导致数值爆炸。

从线性回归到神经网络

线性模型只能处理直线关系，现实中的数据往往是非线性的。这时候就需要引入神经网络。

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

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

# 定义包含隐藏层的神经网络
class NeuralNet(nn.Module):
    def __init__(self):
        super(NeuralNet, self).__init__()
        self.hidden = nn.Linear(1, 10)
        self.output = nn.Linear(10, 1)

    def forward(self, x):
        x = torch.relu(self.hidden(x))  # 激活函数引入非线性
        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()

神经网络的原理其实不难理解：输入层接收数据，隐藏层提取特征，输出层给出预测，而激活函数则是让网络具备拟合复杂模式的关键。

图像分类实战：MNIST

接下来进入真正的计算机视觉领域。我们将使用经典的 MNIST 手写数字数据集。

数据准备

import torch
import torchvision
import torchvision.transforms as transforms

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

# 加载数据集
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()

# 获取一批数据并显示
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)))

构建卷积神经网络 (CNN)

对于图像任务，全连接网络效率太低，我们需要用卷积层来提取空间特征。

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
        self.conv1 = nn.Conv2d(1, 32, 3, 1)
        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)

训练与测试

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}%')

# 查看预测效果
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)))

Rust 开发者视角的思考

如果你是从 Rust 转过来的，可能会觉得 Python 的 AI 开发体验很不一样。

• 开发效率：Python 在 AI 领域的生态极其丰富，PyTorch 等库封装得很好，写起来比 Rust 快得多。
• 性能权衡：虽然 Python 运行慢，但底层算子通常由 C++/CUDA 优化，实际推理和训练速度并不差。
• 类型系统：动态类型意味着少了编译期的检查，但也带来了灵活性。建议保持清晰的代码风格，利用注释弥补类型信息的缺失。

学习建议：利用你在系统编程上的思维优势去理解模型底层，同时注重 Python 的代码可维护性。跨语言结合往往是发挥最大价值的途径。

总结

从线性回归到 CNN 图像分类，我们走完了 Python AI 的基础路径。挑战在于适应动态类型的思维方式，机遇则在于庞大的生态带来的高效率。掌握这些基础后，你可以进一步探索更复杂的模型架构。