aPyTorch CNN 入門指南｜從基礎到應用、遷移學習與部署的完整解說│Pythonプログラミングの世界

1 1. 前言：PyTorch 與 CNN 概述
2 2. PyTorch 與 CNN 的準備工作：環境建置與安裝方法
3 3. 使用 PyTorch 建構 CNN 模型【附程式碼範例】
4 4. CNN 模型的訓練與評估【實際範例教學】
5 5. 應用範例：透過遷移學習提升模型效能
6 6. 疑難排解指南：錯誤處理與除錯技巧
7 7. 模型的保存與部署：實務應用方式
8 8. 總結

1. 前言：PyTorch 與 CNN 概述

什麼是 PyTorch？

PyTorch 是由 Facebook（現為 Meta）開發的開源機器學習函式庫。它專為 Python 設計，能輕鬆構建、訓練與評估神經網路。由於程式碼直觀易懂，在研究人員與開發者之間非常受歡迎。

什麼是 CNN（卷積神經網路）？

CNN（Convolutional Neural Network，卷積神經網路）是一種專門用於圖像和影片辨識的神經網路。它模擬人類視覺的處理方式，能從資料中自動擷取特徵，廣泛應用於圖像分類與物體偵測等領域。

CNN 的基本結構

CNN 主要由以下幾層組成：

卷積層（Convolutional Layer）
用來擷取圖像的局部特徵（例如邊緣與顏色等），透過稱為「濾波器」的小型矩陣進行卷積運算。
池化層（Pooling Layer）
縮小特徵圖的尺寸以降低計算成本。常見方法為最大池化（Max Pooling），保留特徵中最明顯的部分。
全連接層（Fully Connected Layer）
利用前面提取的特徵進行最終的分類或預測。
激活函數（Activation Function）
進行非線性轉換，使網路能學習更複雜的模式。常用函數為 ReLU（修正線性單元）。

為什麼 PyTorch 與 CNN 是強大的組合？

PyTorch 採用動態計算圖的特性，使得撰寫與修改模型更加靈活，適合進行實驗性研究或原型開發。此外，還支援 GPU 加速運算，可應對大規模資料。

實際應用案例

PyTorch 與 CNN 可應用於以下領域：

圖像分類（如區分貓與狗）
人臉識別系統
自駕車的影像處理
醫療影像診斷（如 MRI 或 X 光分析）
風格轉換與影像修復

小結

本節介紹了 PyTorch 與 CNN 的基本概念，以及兩者結合所具備的強大優勢。

2. PyTorch 與 CNN 的準備工作：環境建置與安裝方法

PyTorch 的安裝方法與初始設定

1. 開發環境準備

使用 PyTorch 前需要先安裝 Python。推薦使用的整合開發環境（IDE）有 Visual Studio Code、Jupyter Notebook 或 Google Colab 等，能提升開發效率。

2. PyTorch 安裝步驟

以下是在本機端安裝 PyTorch 的基本步驟：

安裝 Python

前往 Python 官方網站（https://www.python.org/）下載並安裝最新版。

建立虛擬環境

   python -m venv pytorch_env
   source pytorch_env/bin/activate   # Mac/Linux
   pytorch_env\Scripts\activate      # Windows

安裝 PyTorch
可透過 PyTorch 官方網站（https://pytorch.org/）產生對應環境的安裝指令。
以下為支援 GPU 的安裝範例：

   pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

確認安裝成功

   import torch
   print(torch.__version__)         # 顯示版本
   print(torch.cuda.is_available()) # 檢查是否可使用 GPU

在 Google Colab 建立開發環境

1. 使用 Google 帳戶登入

前往 Google Colab（https://colab.research.google.com/）並使用 Google 帳戶登入。

2. 設定執行環境

點選上方選單的「執行階段」→「變更執行階段類型」，將硬體加速器設為「GPU」。

3. 確認 PyTorch 版本

import torch
print(torch.__version__)

如有需要也可安裝最新版：

!pip install torch torchvision torchaudio

準備資料集與前處理

1. 下載資料集

PyTorch 提供名為 torchvision 的套件來簡化資料集的使用。以下以 CIFAR-10 為例進行說明：

import torchvision
import torchvision.transforms as transforms

transform = transforms.Compose([
    transforms.ToTensor(),                    
    transforms.Normalize((0.5,), (0.5,))      
])

trainset = torchvision.datasets.CIFAR10(
    root='./data', train=True, download=True, transform=transform)

trainloader = torch.utils.data.DataLoader(
    trainset, batch_size=32, shuffle=True)

2. 資料前處理

正規化： 將資料縮放至 0～1 範圍，以穩定學習過程。
資料擴增： 利用隨機旋轉或翻轉等方法增加資料量，避免過擬合。

transform = transforms.Compose([
    transforms.RandomHorizontalFlip(),        
    transforms.RandomCrop(32, padding=4),     
    transforms.ToTensor(),
    transforms.Normalize((0.5,), (0.5,))
])

3. 設定資料載入器

資料載入器可進行批次處理，將資料分批供應給模型訓練。

trainloader = torch.utils.data.DataLoader(
    trainset, batch_size=32, shuffle=True, num_workers=2)

小結

本節說明了 PyTorch 的安裝流程與在 Google Colab 上建立開發環境的方式，並透過 CIFAR-10 展示了圖像資料的前處理與載入方式。

3. 使用 PyTorch 建構 CNN 模型【附程式碼範例】

CNN 模型的基本架構與自訂範例

1. CNN 模型的基本結構

CNN 模型會從圖像資料中提取特徵，並依此進行分類。其基本架構如下：

卷積層（Convolutional Layer） – 負責提取圖像特徵。
池化層（Pooling Layer） – 壓縮特徵數據，降低計算量。
全連接層（Fully Connected Layer） – 最終進行分類的層。
激活函數（Activation Function） – 應用非線性轉換，使模型能學習更複雜的模式。

本節將介紹如何在 PyTorch 中組合這些層來建立一個簡單的 CNN 模型。

使用 PyTorch 實作 CNN 的步驟

1. 匯入必要的函式庫

import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets, transforms

2. 準備資料集

transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))
])

trainset = datasets.CIFAR10(root='./data', train=True, download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=32, shuffle=True)

testset = datasets.CIFAR10(root='./data', train=False, download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=32, shuffle=False)

3. 建立 CNN 模型

class SimpleCNN(nn.Module):
    def __init__(self):
        super(SimpleCNN, self).__init__()
        # 卷積層1
        self.conv1 = nn.Conv2d(3, 32, kernel_size=3, padding=1)
        # 卷積層2
        self.conv2 = nn.Conv2d(32, 64, kernel_size=3, padding=1)
        # 卷積層3
        self.conv3 = nn.Conv2d(64, 128, kernel_size=3, padding=1)
        # 池化層
        self.pool = nn.MaxPool2d(kernel_size=2, stride=2)
        # 全連接層
        self.fc1 = nn.Linear(128 * 4 * 4, 256)
        self.fc2 = nn.Linear(256, 10)

    def forward(self, x):
        x = self.pool(F.relu(self.conv1(x)))  # 卷積層1 → ReLU → 池化
        x = self.pool(F.relu(self.conv2(x)))  # 卷積層2 → ReLU → 池化
        x = self.pool(F.relu(self.conv3(x)))  # 卷積層3 → ReLU → 池化
        x = x.view(-1, 128 * 4 * 4)           # 將特徵圖展平為一維
        x = F.relu(self.fc1(x))               # 全連接層1 → ReLU
        x = self.fc2(x)                       # 全連接層2 → 輸出
        return x

4. 建立模型實例並確認架構

model = SimpleCNN()
print(model)

5. 設定損失函數與最佳化器

criterion = nn.CrossEntropyLoss()  # 損失函數：交叉熵
optimizer = optim.Adam(model.parameters(), lr=0.001)  # 最佳化器：Adam

小結

本節介紹了如何使用 PyTorch 建立一個簡單的 CNN 模型，包括卷積層、池化層、全連接層等的實作方式。透過這個流程，你應該已能掌握 CNN 模型的基本結構與實作方式。

4. CNN 模型的訓練與評估【實際範例教學】

使用 PyTorch 訓練 CNN 模型的步驟

1. 訓練流程準備

在模型訓練過程中，通常會依以下步驟處理資料：

前向傳播（Forward Propagation）： 將輸入資料傳入模型以計算預測結果。
損失計算： 比較預測結果與真實標籤的差異（誤差）。
反向傳播（Backward Propagation）： 根據誤差更新模型中各層的參數。
使用最佳化器進行更新： 根據學習率調整參數，優化模型。

以下是上述流程的實作程式碼範例：

# 建立模型、損失函數與最佳化器
model = SimpleCNN()
criterion = nn.CrossEntropyLoss()
optimizer = optim.Adam(model.parameters(), lr=0.001)

# 執行訓練
n_epochs = 10  # 訓練輪數
for epoch in range(n_epochs):
    running_loss = 0.0
    for inputs, labels in trainloader:
        # 清除梯度
        optimizer.zero_grad()
        # 前向傳播
        outputs = model(inputs)
        # 損失計算
        loss = criterion(outputs, labels)
        # 反向傳播
        loss.backward()
        # 更新權重
        optimizer.step()
        # 紀錄損失
        running_loss += loss.item()

    # 顯示每輪的損失
    print(f"Epoch {epoch+1}/{n_epochs}, Loss: {running_loss / len(trainloader):.4f}")

使用測試資料評估模型並分析結果

1. 評估模型的效能

利用測試資料來評估模型的分類準確度。以下為範例程式碼：

correct = 0
total = 0

# 切換為評估模式
model.eval()
with torch.no_grad():  # 關閉梯度計算
    for inputs, labels in testloader:
        outputs = model(inputs)
        _, predicted = torch.max(outputs, 1)  # 選取機率最高的類別
        total += labels.size(0)
        correct += (predicted == labels).sum().item()

accuracy = 100 * correct / total
print(f'Accuracy: {accuracy:.2f}%')

2. 評估指標的詳細說明

準確率（Accuracy）： 預測正確的樣本比例。
損失（Loss）： 代表模型預測誤差的數值，愈小愈好。
混淆矩陣（Confusion Matrix）： 可視化每個類別的預測結果，幫助了解誤分類情況。

以下為混淆矩陣的實作範例：

from sklearn.metrics import confusion_matrix
import seaborn as sns
import matplotlib.pyplot as plt

# 建立混淆矩陣
all_labels = []
all_preds = []

with torch.no_grad():
    for inputs, labels in testloader:
        outputs = model(inputs)
        _, preds = torch.max(outputs, 1)
        all_labels.extend(labels.numpy())
        all_preds.extend(preds.numpy())

cm = confusion_matrix(all_labels, all_preds)

# 顯示混淆矩陣
plt.figure(figsize=(8, 6))
sns.heatmap(cm, annot=True, fmt='d', cmap='Blues')
plt.xlabel('預測類別')
plt.ylabel('真實類別')
plt.title('混淆矩陣')
plt.show()

小結

本節說明了如何使用 PyTorch 訓練 CNN 模型並進行評估。我們透過交叉熵損失與 Adam 最佳化器來優化模型，並以測試資料分析其效能，包含準確率與混淆矩陣等指標。

5. 應用範例：透過遷移學習提升模型效能

什麼是遷移學習？

遷移學習（Transfer Learning）是指利用已訓練好的模型，將其知識應用到新的任務中。在圖像辨識任務中，經過大型資料集（如 ImageNet）訓練的模型（如 VGG16 或 ResNet）可以透過微調（Fine-tuning）快速建立高準確度的模型。

遷移學習的優點

降低計算成本： 無需從頭訓練整個模型，可減輕 GPU 負擔。
適用於少量資料： 即使訓練資料有限，也能藉由預訓練模型的特徵抽取能力達到不錯的表現。
快速實作： 開發流程簡單，可迅速建立模型並投入應用。

使用 PyTorch 實作遷移學習的範例

1. 匯入必要的函式庫

import torch
import torch.nn as nn
import torch.optim as optim
from torchvision import datasets, models, transforms

2. 前處理與讀取資料

transform = transforms.Compose([
    transforms.Resize(224),                  # 將影像調整為 224x224
    transforms.CenterCrop(224),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
])

trainset = datasets.CIFAR10(root='./data', train=True, download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=32, shuffle=True)

testset = datasets.CIFAR10(root='./data', train=False, download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=32, shuffle=False)

3. 載入預訓練模型

model = models.resnet18(pretrained=True)

# 修改輸出層（CIFAR-10 有 10 個類別）
model.fc = nn.Linear(512, 10)

4. 凍結模型參數與微調

for param in model.parameters():
    param.requires_grad = False  # 凍結全部參數

# 僅訓練最後一層（輸出層）
model.fc = nn.Linear(512, 10)

5. 設定損失函數與最佳化器

criterion = nn.CrossEntropyLoss()
optimizer = optim.Adam(model.fc.parameters(), lr=0.001)

6. 開始訓練模型

n_epochs = 10
for epoch in range(n_epochs):
    running_loss = 0.0
    for inputs, labels in trainloader:
        optimizer.zero_grad()
        outputs = model(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()
        running_loss += loss.item()
    print(f"Epoch {epoch+1}/{n_epochs}, Loss: {running_loss / len(trainloader):.4f}")

CNN 不僅能做圖像分類！更多應用場景

1. 物體偵測（Object Detection）

應用： 自駕車的環境辨識、監視器影像分析等。
技術： 常用架構包括 YOLO、Faster R-CNN 等。

2. 圖像分割（Segmentation）

應用： 醫療影像分析，例如辨識腫瘤或異常部位。
技術： 常見架構包括 U-Net、Mask R-CNN。

3. 風格轉換（Style Transfer）

應用： 在藝術創作與影像特效應用中轉換圖像風格。
技術： CNN 可擷取風格與內容特徵並進行合成。

4. 異常偵測（Anomaly Detection）

應用： 製造業中的品質檢測或異常識別。
技術： 利用 CNN 提取特徵，區分正常與異常樣本。

小結

本節說明了遷移學習的基本概念與在 PyTorch 中的實作方式。我們也介紹了 CNN 除了圖像分類外，還可應用於物體偵測、圖像分割、風格轉換與異常偵測等多種場景。

6. 疑難排解指南：錯誤處理與除錯技巧

PyTorch 中常見錯誤與解決方法

1. 模組或套件匯入錯誤

錯誤訊息：

ModuleNotFoundError: No module named 'torch'

可能原因：
尚未安裝 PyTorch，或虛擬環境未正確啟用。

解決方法：

source pytorch_env/bin/activate  # 適用於 Linux/Mac
pytorch_env\Scripts\activate     # 適用於 Windows

pip install torch torchvision torchaudio

2. GPU 無法識別錯誤

錯誤訊息：

RuntimeError: CUDA error: device-side assert triggered

可能原因：
GPU 無法使用，或 CUDA 版本與 PyTorch 不相容。

解決方法：

import torch
print(torch.__version__)         # 顯示 PyTorch 版本
print(torch.cuda.is_available()) # 檢查是否支援 GPU

3. 張量尺寸不一致錯誤

錯誤訊息：

RuntimeError: shape '[N, C, H, W]' is invalid for input of size X

可能原因：
輸入資料的尺寸與模型所期望的不同。

解決方法：

transform = transforms.Compose([
    transforms.Resize((224, 224)),
    transforms.ToTensor()
])

除錯技巧與日誌紀錄活用

1. 在訓練過程中輸出日誌

for epoch in range(n_epochs):
    running_loss = 0.0
    for i, (inputs, labels) in enumerate(trainloader):
        optimizer.zero_grad()
        outputs = model(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()

        if i % 100 == 99:
            print(f"[Epoch {epoch+1}, Batch {i+1}] Loss: {loss.item():.4f}")

2. 使用 TensorBoard 可視化

安裝：

pip install tensorboard

程式碼範例：

from torch.utils.tensorboard import SummaryWriter

writer = SummaryWriter()

for epoch in range(n_epochs):
    running_loss = 0.0
    for i, (inputs, labels) in enumerate(trainloader):
        optimizer.zero_grad()
        outputs = model(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()

        writer.add_scalar('Loss/train', loss.item(), epoch * len(trainloader) + i)

writer.close()

啟動 TensorBoard：

tensorboard --logdir=runs

錯誤排查檢查表

錯誤內容	檢查項目	解決方式
模組匯入失敗	確認套件是否已安裝與虛擬環境啟用	重新安裝所需模組
GPU 無法使用	確認 CUDA 與 PyTorch 的版本相容性	更新驅動與重新安裝相容的 PyTorch
資料尺寸不符	檢查輸入尺寸與模型預期尺寸是否一致	調整圖像尺寸或修改模型架構
準確率無提升	檢查學習率、批次大小與資料正規化	嘗試調整超參數與資料擴增
過擬合問題	觀察訓練損失與測試準確率	加入 Dropout 層或正則化技巧

小結

本節介紹了 PyTorch 中常見錯誤的解決方式，並說明如何透過日誌輸出與 TensorBoard 進行除錯與視覺化。開發深度學習模型時，這些技巧有助於快速發現與修正問題。

7. 模型的保存與部署：實務應用方式

如何保存已訓練完成的模型

1. 儲存狀態字典（State Dict）

torch.save(model.state_dict(), 'cnn_model.pth')

優點：

只需重新定義模型架構即可載入參數，具高度彈性。
檔案體積較小，便於管理與部署。

2. 儲存整個模型

torch.save(model, 'cnn_complete_model.pth')

優點：

不需再次定義模型架構，可直接載入使用，較為方便。

缺點：

依賴 PyTorch 的版本相容性，可能在不同版本間出現錯誤。

載入已保存模型並進行推論

1. 從狀態字典載入模型

model = SimpleCNN()
model.load_state_dict(torch.load('cnn_model.pth'))
model.eval()

2. 直接載入完整模型

model = torch.load('cnn_complete_model.pth')
model.eval()

3. 執行推論

import numpy as np
from PIL import Image
import torchvision.transforms as transforms

transform = transforms.Compose([
    transforms.Resize(224),
    transforms.ToTensor(),
    transforms.Normalize((0.5,), (0.5,))
])

image = Image.open('sample_image.jpg')
image = transform(image).unsqueeze(0)

output = model(image)
_, predicted = torch.max(output, 1)
print(f'預測類別: {predicted.item()}')

部署模型到雲端或 Web 應用

1. 使用 Flask 建立 API 服務

安裝必要套件：

pip install flask

Flask 範例程式碼：

from flask import Flask, request, jsonify
import torch
from torchvision import transforms
from PIL import Image

app = Flask(__name__)

model = torch.load('cnn_complete_model.pth')
model.eval()

def preprocess_image(image):
    transform = transforms.Compose([
        transforms.Resize(224),
        transforms.ToTensor(),
        transforms.Normalize((0.5,), (0.5,))
    ])
    image = transform(image).unsqueeze(0)
    return image

@app.route('/predict', methods=['POST'])
def predict():
    file = request.files['file']
    image = Image.open(file.stream)
    image = preprocess_image(image)

    output = model(image)
    _, predicted = torch.max(output, 1)

    return jsonify({'prediction': predicted.item()})

if __name__ == '__main__':
    app.run(debug=True)

使用 API 的方法：

curl -X POST -F "file=@sample_image.jpg" http://127.0.0.1:5000/predict

範例回傳結果：

{"prediction": 3}

模型部署時的重點建議

模型輕量化： 可透過量化（Quantization）或剪枝（Pruning）減少模型大小。
整合雲端平台： 可搭配 AWS Lambda 或 Google Cloud Functions 等無伺服器平台實現擴展性。
支援即時應用： 可使用 WebSocket 實現即時影像推論功能。

小結

本節介紹了如何將訓練完成的 PyTorch 模型保存、重新載入，以及如何透過 Flask API 進行部署。我們也說明了部署到實務專案或雲端環境時的重要注意事項。

8. 總結

使用 PyTorch 與 CNN 展開機器學習的第一步！

在本教學中，我們從基礎到應用全面介紹了如何使用 PyTorch 建構、訓練與評估 CNN 模型，並延伸到實際應用與部署。以下是重點回顧：

1. PyTorch 與 CNN 概述

CNN 是一種非常適合圖像識別任務的神經網路架構。
PyTorch 提供直觀的語法與強大的 GPU 支援，廣泛應用於研究與開發。

2. 環境建置與安裝流程

PyTorch 安裝簡單，可透過 Google Colab 快速開始。
使用 torchvision 可方便地處理與前處理影像資料集。

3. 建構與訓練 CNN 模型

介紹了如何組合卷積層、池化層與全連接層建立模型。
透過損失函數與最佳化器進行訓練，並使用測試集進行模型評估。

4. 遷移學習與應用延伸

透過使用預訓練模型（如 ResNet18），在少量資料下也能取得不錯效果。
CNN 不只用於圖像分類，亦可應用於物體偵測、影像分割、風格轉換等。

5. 錯誤處理與除錯技巧

整理了常見的 PyTorch 錯誤訊息與對應解決方案。
介紹了 TensorBoard 等工具協助進行模型訓練與監控。

6. 模型保存與實務部署

說明如何保存模型與參數，並透過 Flask 提供 API 部署介面。
提供雲端整合與輕量化的實作建議。

未來進階方向

1. 學習更進階的模型

嘗試學習 YOLO、Faster R-CNN 等進階架構，挑戰物體偵測與分割任務。

2. 優化模型效能

調整學習率、批次大小等超參數，加入 Dropout 或正則化技巧來避免過擬合。

3. 應用於真實專案

將學到的技能應用於實際問題，如醫療影像分析、人臉辨識系統等。

4. 活用雲端平台

結合 AWS、Google Cloud 等雲端服務，建立可擴展的應用系統。

5. 持續學習與參與社群

透過 GitHub、Kaggle 等平台與他人合作，學習最新技術並參與實戰。

結語

PyTorch 與 CNN 是機器學習與深度學習中非常強大的組合。透過本教學，你已經掌握從模型建立、訓練到部署的完整流程，未來可將這些知識應用到實際的專案中，邁向更進階的領域。

現在，就從打造屬於你自己的模型開始挑戰吧！