机器学习与深度学习 / 系统课时
图像分类
图像分类
前两节把图像转换成模型约定的张量。图像分类接收整张图,输出这张图的类别分数。本课从输出分数推导预测,并区分单标签和多标签任务的训练目标与决策方式。
学习目标
- 读懂图像批次、类别轴和分数与标签的对应关系。
- 按单标签或多标签目标选择损失和预测方式。
- 区分高分、校准概率、阈值与人工复核。
从整张图到类别分数
分类头可以为每个候选类别输出一个 logit,也就是激活前的原始分数。若有 张图、 个类别,常见输出形状是 (N,C)。模型的类别顺序与标签表必须一同保存。更改图像缩放、通道、像素范围或归一化方式也会改变模型实际看到的输入。

| 任务 | 一张图的训练目标 | 推理示例 |
|---|---|---|
| 单标签多分类 | 一个互斥类别索引,如 0 到 9 的一个手写数字 | 沿类别轴计算 Softmax。各类别概率和为 1,直接取 logits 的最大值索引也能得到同一首选类别 |
| 多标签分类 | 每个类别一个 0/1 标签,如同一街景有无行人、汽车、自行车 | 对各类别分别应用 Sigmoid,再与各自阈值比较。一张图可能有零个、一个或多个预测标签 |
多标签逐类使用 Sigmoid,并不表示真实标签之间不存在关系;这些分数也无需加和为 1。对 PyTorch 而言,CrossEntropyLoss 的常见用法是接收原始 logits 和整数类别索引。BCEWithLogitsLoss 接收原始 logits 和与其同形的二元目标张量。这两个损失内部已经处理对应变换,训练时勿先手动做 Softmax 或 Sigmoid 再传进去。 PyTorch 交叉熵 PyTorch BCEWithLogitsLoss
可运行示例:同样的分数,不同的决策
下面两个任务分别使用自己的标签表、目标和决策规则。为便于比较,人工给出相同 logits;实际训练的两个分类头不需要输出相同分数。代码可用本地 PyTorch CPU 运行。
import torch
import torch.nn.functional as F
logits = torch.tensor([[2.0, 1.0, 0.0], [0.0, 2.0, 1.0]])
single_target = torch.tensor([0, 1])
multi_target = torch.tensor([[1.0, 0.0, 1.0], [0.0, 1.0, 1.0]])
single_loss = F.cross_entropy(logits, single_target)
multi_loss = F.binary_cross_entropy_with_logits(logits, multi_target)
single_probs = logits.softmax(dim=1)
multi_probs = logits.sigmoid()
cutoffs = torch.tensor([0.80, 0.75, 0.45])
print("single predictions:", single_probs.argmax(dim=1).tolist())
print("single row sums:", [round(value, 3) for value in single_probs.sum(dim=1).tolist()])
print("multi predictions:", (multi_probs >= cutoffs).tolist())
print("losses finite:", bool(torch.isfinite(torch.stack((single_loss, multi_loss))).all()))single predictions: [0, 1]
single row sums: [1.0, 1.0]
multi predictions: [[True, False, True], [False, True, True]]
losses finite: True评估与复核
Softmax 和 Sigmoid 产生的分数形式像概率,是否校准要用代表性验证数据检查。即使图像与训练场景差别很大,模型也可能给已知类别高分。可在验证数据上为已知类别选择阈值、检查拒判率与错误率,并单独检验未知场景。加入“未知”标签或拒判规则后,仍需明确哪些输入被训练和验证过。分类评估可按第 04 章查看逐类召回、精确率和样本数,单标签还可查混淆矩阵。 scikit-learn 概率校准 分类阈值与验证
本课练习
把阈值数组全部改成 0.95,检查多标签结果可以没有任何标签。然后交换标签表的两列并思考为什么形状检查无法发现语义变化。若任务还需要给每辆车或每位行人定位,下一课将把输出扩展为对象列表和位置。