TinyVGG与FashionMNIST：从线性基线到卷积网络的图像分类实践

项目来源 原作者/维护者: Siva-Sainath 来源平台: GitHub 原项目标题: tinyvgg-fashionmnist-classifier 原始链接: https://github.com/Siva-Sainath/tinyvgg-fashionmnist-classifier 发布时间: 2026-06-14

核心导读 本项目通过PyTorch框架实现TinyVGG卷积神经网络，用于FashionMNIST时尚物品分类任务。它对比了线性基线模型与CNN的性能差异，展示了完整的训练流程与可视化分析，帮助理解深度学习从线性到卷积模型的发展脉络及CNN在图像任务中的优势。

FashionMNIST数据集特点 FashionMNIST包含70000张28x28像素的灰度图像，涵盖10类时尚物品（T恤、裤子、套头衫等），60000张用于训练，10000张用于测试，类别分布均衡。相比MNIST，其纹理和形状更复杂，线性模型难以取得理想效果。

数据预处理要点

1. 归一化: 将像素值从[0,255]缩放到[0,1]或[-1,1]，提升收敛速度与数值稳定性。
2. 数据增强: 通过随机旋转、平移、翻转扩充训练数据，增强泛化能力。
3. 批处理: 使用PyTorch DataLoader实现高效批量加载，支持多线程预取与数据打乱。

TinyVGG网络架构 TinyVGG是轻量级CNN，灵感来自VGG但参数量更少。核心组件包括：

• 卷积层: 3x3卷积核 + BatchNorm + ReLU激活，堆叠以提取特征。
• 池化层: 2x2最大池化，减半特征图尺寸，保留显著特征并降低计算量。
• 全连接层: 展平特征后输入，输出10类概率，结合Dropout防止过拟合。 结构遵循"卷积-卷积-池化"重复模式，通道数从32→64→128，提取从低级到高级的视觉特征。

训练优化策略

• 损失函数: 交叉熵损失（衡量预测分布与真实标签差异）。
• 优化器: Adam（结合动量与自适应学习率，配合学习率衰减）。
• 训练循环: 自定义训练/验证循环，监控验证损失；早停机制避免过拟合。

可视化分析

• 损失曲线: 展示训练/验证损失随epoch变化，判断收敛与过拟合情况。
• 准确率曲线: 直接反映模型性能提升趋势。
• 混淆矩阵: 识别易混淆类别（如衬衫与T恤），为改进提供方向。

模型对比证据 线性基线模型（图像展平后输入全连接层）在FashionMNIST上准确率约80%，而TinyVGG可轻松突破90%，清晰体现CNN捕捉空间特征的优势。

实践启示

• 模块化设计: 将数据预处理、模型定义、训练循环等逻辑分离，提升代码可读性与可维护性。
• 实验记录: 保存超参数与性能结果，便于对比分析与调优。

项目总结 本项目是结构清晰的深度学习教学案例，展示了CNN的强大能力，通过线性基线对比帮助理解CNN优于传统方法的原因，是学习PyTorch与计算机视觉的理想起点。

扩展方向建议

1. 迁移学习: 加载ImageNet预训练权重，在FashionMNIST上微调以提升效果。
2. 架构改进: 引入残差连接（ResNet）、注意力机制（SE Block）等现代组件。
3. 网络调整: 尝试更深或更宽的网络结构，进一步提高分类准确率。