企业官网建设流程全解析

如果你想在自己的图像分类数据集上训练模型，微调预训练模型是性价比最高的路线。本文带你使用vgg11.tv_in1k——一个在 ImageNet-1k 上预训练的 VGG11 图像分类模型（基于 timm），用「替换分类头 + 低学习率训练」的方式，快速得到适合自家业务的高精度分类器 🚀。

一、为什么选择 vgg11.tv_in1k 做微调

在动手之前，先了解这个模型的基本情况：

VGG11 的卷积层在 ImageNet-1k 上已经学会了丰富的边缘、纹理、形状等通用视觉特征，微调时你只需要"教会"它认识新的类别，通常几十个类别、数百张图就能取得不错的效果。

模型的关键配置都写在 config.json 中，例如输入尺寸3x224x224、归一化均值mean=[0.485, 0.456, 0.406]与标准差std=[0.229, 0.224, 0.225]——这些正是数据增强时需要对齐的预处理参数。

二、获取模型权重：两种官方方式

本仓库直接提供了两种格式的完整权重文件，按需取用即可：

• model.safetensors：新版安全格式，推荐加载（加载更快、更安全）
• pytorch_model.bin：传统 PyTorch 格式，兼容旧版本环境

如果使用 timm 生态，也可以一行代码直接创建模型并自动加载tv_in1k预训练权重：

import timm # 自动加载 ImageNet-1k 预训练权重 model = timm.create_model('vgg11.tv_in1k', pretrained=True)

更多推理与特征提取用法可以参考 README.md 中的 Image Classification 和 Image Embeddings 章节。

三、准备工作：整理你的图像分类数据集

微调前，先把图片按类别组织成目录结构，这是 PyTorchImageFolder直接支持的格式：

my_dataset/ ├── train/ │ ├── cat/ # 每张子目录 = 一个类别 │ │ ├── a.jpg │ │ └── b.jpg │ ├── dog/ │ └── ... └── val/ ├── cat/ ├── dog/ └── ...

💡 小贴士：训练集 / 验证集按 8:2 或 9:1 划分；同一物体的不同视角尽量都放进去，类别之间数量差距别超过 3:1，否则可用类别加权采样或过采样平衡。

四、微调核心步骤：换分类头 + 冻结骨干

微调的标准姿势分三步走：

1. 替换分类头：把原来的 1000 类分类器换成你的类别数 N
2. 分层学习率：卷积骨干用很小的学习率（1e-4 左右），新分类头用较大的学习率（1e-3 左右）
3. 先训头、再解冻：前 2~3 个 epoch 只训练分类头，再解冻骨干整体微调

下面是一个精简的微调骨架（完整数据加载与评估逻辑可自行补全）：

import torch, timm, torch.nn as nn N = 10 # 你的类别数量 model = timm.create_model('vgg11.tv_in1k', pretrained=True) model.head.fc = nn.Linear(model.head.fc.in_features, N) # 替换分类头 backbone = [p for n, p in model.named_parameters() if 'head' not in n] optimizer = torch.optim.AdamW([ {'params': backbone, 'lr': 1e-4}, {'params': model.head.parameters(), 'lr': 1e-3}, ]) loss_fn = nn.CrossEntropyLoss() # 训练循环中... for images, targets in loader: logits = model(images) loss = loss_fn(logits, targets) optimizer.zero_grad(); loss.backward(); optimizer.step()

五、数据预处理与超参数推荐

预处理必须与预训练阶段保持一致，否则模型精度会明显下降（参数来源见 config.json）：

• 训练：RandomResizedCrop(224)+RandomHorizontalFlip
• 验证：Resize(256)+CenterCrop(224)
• 归一化：mean=[0.485, 0.456, 0.406]，std=[0.229, 0.224, 0.225]

常用超参数起步值：

六、常见报错与解决方案

❌ 输入尺寸报错 / 输出异常

模型要求固定 224×224 输入。检查数据增强管线是否以CenterCrop(224)结尾。

❌ 显存不足（CUDA OOM）

VGG11 特征图占用较大，三种省显存手段任选：

• 减小 batch_size，配合梯度累积
• 开启torch.cuda.amp混合精度训练
• 骨干冻结时用model.features.requires_grad_(False)

❌ 类别数对不上

创建模型时直接指定即可，无需手动改结构：timm.create_model('vgg11.tv_in1k', pretrained=True, num_classes=N)。

❌ 准确率停在 1~2 个类别上

多半是学习率过大破坏了预训练权重，或验证集预处理与训练不一致，回查第五节的预处理参数。

七、评估与权重导出

训练结束后建议关注两个指标：Top-1 准确率（最直观）和Top-5 准确率（观察易混淆程度），并绘制混淆矩阵定位薄弱类别。满意后把权重保存下来：

# 与仓库一致的 safetensors 格式导出 from safetensors.torch import save_file save_file(model.state_dict(), "my_vgg11_finetuned.safetensors")

八、相关文件速览

掌握「替换分类头 + 分层学习率 + 对齐预处理」这三点后，vgg11.tv_in1k 的微调流程可以复制到 timm 中绝大多数视觉模型上。现在就可以用你的数据集试一试了 💪