分類モデル（MNIST、CIFAR-10など）

PyTorchにおける分類モデル（classification model）の構築は、画像やテキストなどのデータを複数のカテゴリに分類するタスクに用いられます。ここでは代表的な画像分類タスクであるMNIST（手書き数字の分類）やCIFAR-10（日常物体の分類）を例に、実践的な分類モデルの構築プロセスを解説します。

1. 問題設定

  • MNIST: 28×28のグレースケール画像で、0〜9の手書き数字に分類。

  • CIFAR-10: 32×32のカラー画像で、10クラス（飛行機、自動車、鳥、猫など）に分類。

2. 全体フロー

  1. データの準備（torchvision.datasetsとDataLoader）

  2. モデルの構築（torch.nn.Module）

  3. 損失関数と最適化手法の定義

  4. 学習ループの実装

  5. 評価・検証

3. データの準備

python
import torchvision.transforms as transforms
import torchvision.datasets as datasets
from torch.utils.data import DataLoader

# MNIST用（グレースケール）
transform_mnist = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.1307,), (0.3081,))
])

# CIFAR-10用（カラー）
transform_cifar10 = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5,), (0.5,))
])

train_dataset = datasets.MNIST(root='./data', train=True, download=True, transform=transform_mnist)
test_dataset = datasets.MNIST(root='./data', train=False, download=True, transform=transform_mnist)

train_loader = DataLoader(train_dataset, batch_size=64, shuffle=True)
test_loader = DataLoader(test_dataset, batch_size=64, shuffle=False)

4. モデルの構築

MNIST用のシンプルなCNN（畳み込みニューラルネットワーク）

python
import torch.nn as nn
import torch.nn.functional as F

class MNISTClassifier(nn.Module):
    def __init__(self):
        super(MNISTClassifier, self).__init__()
        self.conv1 = nn.Conv2d(1, 32, kernel_size=3)  # 入力チャネル1（グレースケール）
        self.conv2 = nn.Conv2d(32, 64, kernel_size=3)
        self.fc1 = nn.Linear(9216, 128)
        self.fc2 = nn.Linear(128, 10)  # 出力クラス数10

    def forward(self, x):
        x = F.relu(self.conv1(x))
        x = F.relu(self.conv2(x))
        x = F.max_pool2d(x, 2)
        x = x.view(-1, 9216)  # Flatten
        x = F.relu(self.fc1(x))
        x = self.fc2(x)
        return x

5. 損失関数と最適化手法

python
import torch.optim as optim

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

6. 学習ループの実装

python
for epoch in range(10):
    model.train()
    for images, labels in train_loader:
        optimizer.zero_grad()
        outputs = model(images)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()
    print(f"Epoch {epoch+1} completed.")

7. 評価・検証

python
correct = 0
total = 0
model.eval()
with torch.no_grad():
    for images, labels in test_loader:
        outputs = model(images)
        _, predicted = torch.max(outputs.data, 1)
        total += labels.size(0)
        correct += (predicted == labels).sum().item()

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

8. CIFAR-10の場合の補足

  • CIFAR-10はカラー画像なので、Conv2dの入力チャネルは3になります。

  • 入力サイズが異なるため、Linear層のユニット数も変更する必要があります。

  • データ拡張（transforms.RandomHorizontalFlipなど）を加えることで、汎化性能の向上が期待できます。

まとめ

分類モデルの構築では以下の点が重要です：

  • 入力データの前処理（正規化、サイズ調整など）

  • モデル構造の設計（畳み込み、全結合層）

  • 適切な損失関数（多クラス分類ならCrossEntropyLoss）

  • オプティマイザ（SGD, Adamなど）の選択

  • 学習ループと評価指標の設計

PyTorchはこれらすべてを柔軟かつ明快に記述できるため、実験的・実践的なモデル構築に非常に適しています。

生成日：2025/05/22