PyTorch深度学习实战 — 6个完整项目合集
★本合集包含《PyTorch深度学习实战》课程中的6个经典实战项目，从基础到进阶，覆盖了线性回归、图像分类、模型微调、房价预测、情感分析、BERT文本分类等核心任务。每个项目均提供完整源代码和数据集，开箱即用。
📂 项目总览
|
|
|
|
|
|
|---|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
项目一：线性回归
项目简介：使用 PyTorch 从零构建一个线性回归模型，拟合随机生成的合成数据，掌握模型定义、前向传播、反向传播、梯度更新及模型保存/加载的基础流程。
核心知识点：
-
nn.Module自定义模型 -
nn.MSELoss()均方误差损失 -
optim.SGD随机梯度下降优化 -
模型保存与加载（ state_dict）
数据集：随机合成数据，无需下载。
项目二：图像分类（基础版）
项目简介：使用 PyTorch 自定义一个简单的卷积神经网络（CNN），对 CIFAR-10 数据集进行图像分类。CIFAR-10 包含 60,000 张 32×32 的 RGB 彩色图片，共 10 个类别。
核心知识点：
-
nn.Conv2d卷积层 -
nn.CrossEntropyLoss()交叉熵损失 -
自定义 CNN 网络结构 -
数据处理与 DataLoader
数据集：CIFAR-10（10个类别：飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船、卡车）
项目三：图像分类（进阶版）
项目简介：使用预训练的 AlexNet 模型，在 CIFAR-10 数据集上进行微调（Fine-tuning），学习如何利用迁移学习加速模型收敛、提升小数据集上的表现。
核心知识点：
-
预训练模型加载（ torchvision.models） -
修改全连接层输出 -
两种微调方式（全参数训练 vs 冻结特征提取层） -
预训练模型参数下载与本地加载
数据集：CIFAR-10（同项目二）
项目四：房价预测
项目简介：使用多层感知机（MLP）构建房价预测模型，将房屋特征作为输入，预测房屋价格，属于回归任务。
核心知识点：
-
MLP 多层感知机设计 -
回归任务的数据处理 -
数值特征标准化 -
模型评估指标（MSE、MAE等）
数据集：波士顿房价数据集 / Kaggle 房价数据集
项目五：情感分析（LSTM）
项目简介：使用双向 LSTM 网络对 IMDB 电影评论进行情感分析，识别文本情感极性（正面/负面），是典型的文本二分类任务。模型训练后，正面评论置信度可达 99.9%，负面评论置信度可达 99.7%。
核心知识点：
-
文本分词与词汇表构建 -
nn.Embedding词嵌入层 -
双向 LSTM 网络 -
pack_padded_sequence处理变长文本 -
模型保存与预测
数据集：IMDB 影评（50,000 条，正负各 50%）
预测示例：
"This film is terrible!" → (neg, 99.74%)
"This movie is amazing!" → (pos, 99.90%)
项目六：文本分类（BERT）
项目简介：使用 Hugging Face Transformers 加载预训练 BERT 模型（bert-base-multilingual-cased，支持 104 种语言），构建多语言新闻文本分类模型，解决类别多、数据不平衡、多语言等复杂场景下的文本分类问题。
核心知识点：
-
BertTokenizer分词与向量化 -
BertForSequenceClassification分类网络 -
AdamW优化器与学习率调度 -
attention_mask、token_type_ids输入格式 -
预训练模型的配置与微调
数据集：多语言新闻文本（自定义标签体系）
🚀 如何使用
环境要求
# Python 3.8+
# PyTorch 1.10+
pip install torch torchvision torchtext transformers
运行方式
每个项目目录下均有 main.py，直接运行即可：
cd project_name
python main.py
项目目录结构
PyTorch_Deep_Learning_Projects/
├── 01_linear_regression/ # 项目一：线性回归
│ ├── main.py
│ └── README.md
├── 02_cnn_classification/ # 项目二：CNN图像分类
│ ├── main.py
│ └── README.md
├── 03_alexnet_finetune/ # 项目三：AlexNet微调
│ ├── main.py
│ ├── model/ # 预训练模型存放
│ └── README.md
├── 04_house_price/ # 项目四：房价预测
│ ├── main.py
│ ├── data/
│ └── README.md
├── 05_sentiment_analysis/ # 项目五：情感分析
│ ├── main.py
│ ├── data/ # IMDB数据集
│ └── README.md
└── 06_bert_text_classification/ # 项目六：BERT文本分类
├── main.py
├── data/
└── README.md
📌 注意事项
-
数据集下载：项目二、三的 CIFAR-10 会自动下载；项目五的 IMDB 数据集可手动下载 aclImdb_v1.tar.gz解压到data/目录；项目六的 BERT 模型会从 Hugging Face 自动下载。 -
GPU 加速：所有项目均自动检测 CUDA，建议使用 GPU 训练（尤其是项目五、六）。 -
预训练模型：项目三的 AlexNet 预训练权重需从 TorchVision 自动下载，如遇网络问题可手动下载后本地加载。
下载地址腾讯云盘 https://share.weiyun.com/r22ltoCo