简介这份资源是面向计算机相关专业学生与深度学习入门者的CNN猫狗图像识别实战项目适用于期末大作业、毕业设计及项目实战练习难度适中评审得分98分。压缩包共约2000个文件整体218.49MB其中1990张jpg图片构成猫狗训练与测试数据集另含1份pdf项目文档、少量xml标注文件及py源码、md说明等覆盖数据、代码与文档三类核心内容。项目源码经本地编译与严格调试可正常运行读者可据此掌握卷积神经网络的数据预处理、模型搭建、训练调参与分类预测完整流程并借助文档理解目录结构与实现思路快速复现并改写为自己的作业方案。目前已有222人学习下载适合需要一份可直接运行、结构清晰的高分参考项目来查漏补缺的学习者。1. 从一份猫狗识别源码说起CNN 图像分类到底能落地成什么很多人第一次接触深度学习都是从「猫狗分类」这个经典任务开始的。它看起来简单但真正动手跑一遍就会发现从环境配置、数据组织、模型搭建到训练调参每一步都有坑。这个项目标题里的关键词是 Python、CNN、猫狗图像识别、图像分类、项目源码本质上就是一套完整的图像二分类工程实践用卷积神经网络把输入图片判定为猫或狗。它适合谁零基础想入门深度学习的人可以用它跑通第一个端到端流程有 Python 基础但没碰过 CNN 的人可以借它理解卷积、池化、全连接这些概念怎么落到代码里做过传统机器学习的人可以对比 SVM 和 CNN 在图像任务上的差距。这篇文章不讲空泛概念而是按「数据怎么准备、模型怎么搭、训练怎么调、坑在哪」的顺序把一套可复现的方案讲清楚。你照着做能在本地跑出一个准确率 90% 以上的猫狗分类模型。2. 数据准备与目录结构把 25000 张图整理成能直接喂给模型的样子2.1 猫狗数据集从哪来、怎么划分猫狗图像分类最常用的公开数据集是 Kaggle 上的 Dogs vs. Cats训练集各 12500 张测试集 12500 张。如果你拿到的项目源码里已经带了数据集先确认目录结构。常见做法是整理成下面这样dataset/ ├── train/ │ ├── cats/ # 12500 张猫图 │ └── dogs/ # 12500 张狗图 ├── validation/ │ ├── cats/ # 从训练集切出 2500 张 │ └── dogs/ # 从训练集切出 2500 张 └── test/ ├── cats/ └── dogs/为什么要单独切验证集因为训练过程中你需要一个模型没见过的数据来监控是否过拟合。如果只用训练集和测试集你调参时实际上是在「偷看」测试集最终指标会虚高。我一般按 8:1:1 或 9:1 的比例切猫狗各自独立切保证类别平衡。如果原始数据是混在一起的用下面这段脚本自动划分import os import random import shutil # 原始数据目录猫狗图片混放或已分文件夹 src_cats raw/cats src_dogs raw/dogs base dataset # 创建目标目录 for split in [train, validation, test]: for cls in [cats, dogs]: os.makedirs(os.path.join(base, split, cls), exist_okTrue) def split_data(src_dir, cls_name, train_ratio0.8, val_ratio0.1): files [f for f in os.listdir(src_dir) if f.lower().endswith((.jpg, .jpeg, .png))] random.seed(42) # 固定随机种子保证可复现 random.shuffle(files) n len(files) n_train int(n * train_ratio) n_val int(n * val_ratio) splits { train: files[:n_train], validation: files[n_train:n_train n_val], test: files[n_train n_val:] } for split, flist in splits.items(): dst os.path.join(base, split, cls_name) for f in flist: shutil.copy(os.path.join(src_dir, f), os.path.join(dst, f)) print(f{cls_name}: train{len(splits[train])}, val{len(splits[validation])}, test{len(splits[test])}) split_data(src_cats, cats) split_data(src_dogs, dogs)这段脚本的关键参数是random.seed(42)固定种子后每次划分结果一致方便复现实验。train_ratio和val_ratio按你的数据量调整数据少的时候验证集比例可以降到 0.1。注意图片扩展名要覆盖 jpg、jpeg、png有些数据集里混了多种格式漏掉会导致样本数对不上。2.2 用 ImageDataGenerator 做在线增强别把增强图存盘很多人做数据增强时先把增强后的图片生成出来存到硬盘再读进来训练。这样做有两个问题一是占空间25000 张图增强 5 倍就是 12 万张二是每轮训练看到的增强图是固定的泛化效果打折。正确做法是用 Keras 的ImageDataGenerator做在线增强每个 epoch 实时生成不同的增强版本。from tensorflow.keras.preprocessing.image import ImageDataGenerator IMG_SIZE (150, 150) # 统一缩放到 150x150 BATCH_SIZE 32 # 训练集带增强 train_datagen ImageDataGenerator( rescale1.0 / 255, # 像素归一化到 [0,1] rotation_range20, # 随机旋转 ±20 度 width_shift_range0.1, # 水平平移 10% height_shift_range0.1, # 垂直平移 10% shear_range0.1, # 剪切变换 zoom_range0.1, # 随机缩放 horizontal_flipTrue, # 水平翻转猫狗都适用 fill_modenearest # 变换后空白用最近像素填充 ) # 验证集和测试集只归一化不增强 val_datagen ImageDataGenerator(rescale1.0 / 255) train_gen train_datagen.flow_from_directory( dataset/train, target_sizeIMG_SIZE, batch_sizeBATCH_SIZE, class_modebinary # 二分类标签为 0/1 ) val_gen val_datagen.flow_from_directory( dataset/validation, target_sizeIMG_SIZE, batch_sizeBATCH_SIZE, class_modebinary )rescale1.0/255是必须的CNN 对输入尺度敏感不归一化会导致训练震荡。horizontal_flipTrue对猫狗任务安全因为翻转后的猫还是猫但如果你做的是文字识别或方向敏感的任务这个参数要关掉。class_modebinary表示输出一个 0 到 1 的概率值配合sigmoid激活函数使用。如果你改成多分类这里要换成categorical输出层也要相应调整。注意flow_from_directory会按文件夹名的字母顺序分配标签cats 在前就是 0dogs 是 1。预测时别把标签对应关系搞反否则准确率再高也是白搭。3. 搭一个能打的 CNN从三层卷积到迁移学习的选型对比3.1 从零搭 CNN 的结构设计与参数含义项目源码里通常会给一个基础 CNN 结构我一般从三层卷积起步结构如下from tensorflow.keras import layers, models def build_cnn(input_shape(150, 150, 3)): model models.Sequential([ # 第一层卷积提取边缘、纹理等低级特征 layers.Conv2D(32, (3, 3), activationrelu, input_shapeinput_shape), layers.MaxPooling2D((2, 2)), # 第二层卷积组合低级特征成局部形状 layers.Conv2D(64, (3, 3), activationrelu), layers.MaxPooling2D((2, 2)), # 第三层卷积提取更抽象的语义特征 layers.Conv2D(128, (3, 3), activationrelu), layers.MaxPooling2D((2, 2)), # 展平后接全连接层 layers.Flatten(), layers.Dropout(0.5), # 随机丢弃 50%抑制过拟合 layers.Dense(512, activationrelu), layers.Dense(1, activationsigmoid) # 二分类输出概率 ]) return model model build_cnn() model.compile( optimizeradam, lossbinary_crossentropy, metrics[accuracy] ) model.summary()Conv2D(32, (3, 3))里的 32 是卷积核数量也就是输出特征图通道数(3,3) 是卷积核尺寸。核越多能提取的特征模式越丰富但参数量和计算量也越大。三层之后特征图尺寸从 150 降到 17 左右再往下池化会丢太多空间信息所以三层是个平衡点。Dropout(0.5)放在全连接层前训练时随机丢弃一半神经元是防止过拟合最直接的手段。sigmoid把输出压到 0 到 1配合binary_crossentropy计算损失。这个从零搭的模型在猫狗数据集上大概能跑到 80% 到 85% 的验证准确率训练 20 到 30 个 epoch。想再往上提就得靠迁移学习。3.2 迁移学习用预训练模型把准确率拉到 95% 以上从零训练 CNN 需要大量数据和算力而猫狗数据集只有 25000 张容易过拟合。更实用的做法是拿在 ImageNet 上预训练好的模型做特征提取只训练顶部分类层。常见选择有 VGG16、ResNet50、MobileNetV2。我一般先用 MobileNetV2因为它轻量CPU 也能跑。from tensorflow.keras.applications import MobileNetV2 from tensorflow.keras import layers, models # 加载预训练权重去掉顶部分类层 base_model MobileNetV2( input_shape(150, 150, 3), include_topFalse, # 不要 ImageNet 的 1000 类分类头 weightsimagenet # 加载预训练权重 ) # 冻结卷积基不让它在训练初期被破坏 base_model.trainable False model models.Sequential([ base_model, layers.GlobalAveragePooling2D(), # 替代 Flatten减少参数 layers.Dropout(0.3), layers.Dense(1, activationsigmoid) ]) model.compile( optimizeradam, lossbinary_crossentropy, metrics[accuracy] )include_topFalse是关键去掉原模型的分类头换成我们自己的二分类输出。base_model.trainable False先冻结卷积基只训练新增层这样收敛快且不容易过拟合。训练 10 个 epoch 后可以解冻最后几层做微调学习率要调小到 1e-5 级别否则会把预训练权重冲垮。方案验证准确率训练时间CPU适用场景从零搭三层 CNN80%85%较慢学习原理、数据量大MobileNetV2 迁移95%快快速出结果、部署轻量ResNet50 迁移96%中等追求精度、有 GPU选哪个取决于你的目标。如果是为了理解 CNN 原理从零搭如果是为了尽快拿到可用模型直接上迁移学习。项目源码里两种通常都会给建议都跑一遍对比。4. 训练、评估与推理把模型跑起来并验证它真的能用4.1 训练回调早停与学习率衰减怎么配训练时别傻跑固定 epoch用回调函数自动控制。最常用的两个是EarlyStopping和ReduceLROnPlateau。from tensorflow.keras.callbacks import EarlyStopping, ReduceLROnPlateau, ModelCheckpoint callbacks [ # 验证损失 5 轮不降就停并恢复最佳权重 EarlyStopping(monitorval_loss, patience5, restore_best_weightsTrue), # 验证损失 3 轮不降就把学习率减半 ReduceLROnPlateau(monitorval_loss, factor0.5, patience3, min_lr1e-6), # 只保存验证准确率最高的模型 ModelCheckpoint(best_model.h5, monitorval_accuracy, save_best_onlyTrue) ] history model.fit( train_gen, epochs30, validation_dataval_gen, callbackscallbacks )patience5表示连续 5 个 epoch 验证损失没改善就停避免浪费时间。restore_best_weightsTrue保证训练结束后模型回到最佳状态而不是最后一轮的状态。ReduceLROnPlateau在损失停滞时降低学习率帮助模型跳出局部最优。ModelCheckpoint只存最好的模型省得你手动挑。4.2 评估与单张图片推理训练完先看验证集准确率和混淆矩阵别只看一个数字。import numpy as np from tensorflow.keras.models import load_model from tensorflow.keras.preprocessing import image # 加载最佳模型 model load_model(best_model.h5) # 在测试集上评估 test_datagen ImageDataGenerator(rescale1.0 / 255) test_gen test_datagen.flow_from_directory( dataset/test, target_size(150, 150), batch_size32, class_modebinary, shuffleFalse # 评估时不要打乱保证顺序对应 ) loss, acc model.evaluate(test_gen) print(f测试集准确率: {acc:.4f}) # 单张图片推理 def predict_image(img_path): img image.load_img(img_path, target_size(150, 150)) arr image.img_to_array(img) / 255.0 arr np.expand_dims(arr, axis0) # 增加 batch 维度 pred model.predict(arr)[0][0] label dog if pred 0.5 else cat print(f{img_path} - {label} (置信度: {pred:.4f})) return label predict_image(dataset/test/cats/cat_001.jpg)shuffleFalse在评估时很重要否则你没法把预测结果和真实标签一一对应。np.expand_dims是因为模型期望输入是(batch, height, width, channels)单张图只有三维要补一个 batch 维度。置信度接近 0.5 的样本说明模型拿不准实际部署时可以把这类样本挑出来人工复核。5. 避坑与排查猫狗分类项目里最容易翻车的 5 个地方5.1 准确率卡在 50% 不动现象训练几个 epoch 后准确率一直在 0.5 附近损失也不降。原因最常见的是标签和输出不匹配。比如class_mode设成了categorical但输出层用了sigmoid或者标签顺序搞反了。另一个可能是学习率太大模型直接发散。解决先检查class_mode和输出层激活函数是否配套二分类用binarysigmoid多分类用categoricalsoftmax。然后把学习率降到 1e-4 试试。如果还不行打印一个 batch 的标签看看是不是全 0 或全 1。5.2 训练准确率高但验证准确率低现象训练集准确率 99%验证集只有 70%差距巨大。原因过拟合。数据量不够、模型太复杂、没加正则化都会导致。解决先加Dropout和数据增强再把模型简化或者直接换迁移学习。如果数据量确实少考虑冻结更多层只训练分类头。早停也能缓解但治标不治本。5.3 内存爆了或者训练极慢现象训练时内存占用飙升或者一个 epoch 要跑很久。原因batch_size太大或者图片没缩放直接读入原图。猫狗原图尺寸不一有的超过 500x500不缩放会拖垮内存。解决target_size统一设成 150x150 或 224x224batch_size从 32 起步内存不够就降到 16 或 8。用flow_from_directory是在线读取不会一次性加载所有图片比手动np.array全部读入省内存。5.4 预测结果全是同一类现象不管输入什么图模型都输出 cat 或都输出 dog。原因类别极度不平衡或者归一化没做。如果训练集里猫狗数量差很多模型会倾向于预测多数类。解决确认猫狗样本数是否接近差太多就做重采样或加类别权重。检查rescale有没有加像素值 0 到 255 直接输入会让训练不稳定。另外确认预测时的预处理和训练时一致训练用了rescale预测也要用。5.5 保存的模型加载后预测结果不对现象训练时验证准确率很高保存后重新加载预测全错。原因保存的是模型结构而不是权重或者加载时没指定custom_objects。更常见的是保存了最后一轮的模型而不是最佳模型。解决用ModelCheckpoint保存最佳权重加载时用load_model直接读 h5 文件。如果模型里用了自定义层或损失函数加载时要传custom_objects。养成习惯保存后立刻加载一次用同一张图对比预测结果是否一致。6. 把模型推到能用的程度几个我反复验证过的技巧训练出一个 95% 准确率的模型只是起点真正要用起来还得处理一些细节。第一个技巧是测试时增强TTA对同一张测试图做多次增强变换把预测结果平均能稳定提升 1 到 2 个百分点。实现很简单对每张图分别做原图、水平翻转、轻微旋转三种变换各预测一次取平均。def predict_with_tta(model, img_path): img image.load_img(img_path, target_size(150, 150)) arr image.img_to_array(img) / 255.0 batch np.expand_dims(arr, axis0) # 原图 p1 model.predict(batch)[0][0] # 水平翻转 p2 model.predict(batch[:, :, ::-1, :])[0][0] # 轻微旋转用 numpy 简单实现 p3 model.predict(np.rot90(batch, k1, axes(1, 2)))[0][0] return (p1 p2 p3) / 3第二个技巧是阈值调整。默认 0.5 作为分类阈值但如果你的场景对漏检更敏感可以把阈值降到 0.4宁可错杀不可放过。反过来如果对误报敏感就提高到 0.6。这个阈值要在验证集上按业务需求调没有万能值。第三个技巧是错误分析。把验证集里预测错的样本挑出来按置信度排序看看模型在哪些图上翻车。我做过一次发现大部分错误集中在远景、遮挡、多只动物同框的图上。针对这些情况要么补充类似数据要么在预处理阶段做裁剪。最后一个习惯每次改完参数记录验证准确率、训练时间、模型大小三个指标。我一般用个简单的表格记跑过十几轮后就能看出哪些改动真正有效。别凭感觉调参血泪经验告诉我感觉往往不靠谱。这套流程跑下来从数据整理到模型部署大概两三天能走完。项目源码和数据集给你的是起点真正值钱的是你踩过的坑和调过的参数。希望帮到你。本文还有配套的精品资源点击获取
Python CNN猫狗图像识别：从零搭建到迁移学习实战
简介这份资源是面向计算机相关专业学生与深度学习入门者的CNN猫狗图像识别实战项目适用于期末大作业、毕业设计及项目实战练习难度适中评审得分98分。压缩包共约2000个文件整体218.49MB其中1990张jpg图片构成猫狗训练与测试数据集另含1份pdf项目文档、少量xml标注文件及py源码、md说明等覆盖数据、代码与文档三类核心内容。项目源码经本地编译与严格调试可正常运行读者可据此掌握卷积神经网络的数据预处理、模型搭建、训练调参与分类预测完整流程并借助文档理解目录结构与实现思路快速复现并改写为自己的作业方案。目前已有222人学习下载适合需要一份可直接运行、结构清晰的高分参考项目来查漏补缺的学习者。1. 从一份猫狗识别源码说起CNN 图像分类到底能落地成什么很多人第一次接触深度学习都是从「猫狗分类」这个经典任务开始的。它看起来简单但真正动手跑一遍就会发现从环境配置、数据组织、模型搭建到训练调参每一步都有坑。这个项目标题里的关键词是 Python、CNN、猫狗图像识别、图像分类、项目源码本质上就是一套完整的图像二分类工程实践用卷积神经网络把输入图片判定为猫或狗。它适合谁零基础想入门深度学习的人可以用它跑通第一个端到端流程有 Python 基础但没碰过 CNN 的人可以借它理解卷积、池化、全连接这些概念怎么落到代码里做过传统机器学习的人可以对比 SVM 和 CNN 在图像任务上的差距。这篇文章不讲空泛概念而是按「数据怎么准备、模型怎么搭、训练怎么调、坑在哪」的顺序把一套可复现的方案讲清楚。你照着做能在本地跑出一个准确率 90% 以上的猫狗分类模型。2. 数据准备与目录结构把 25000 张图整理成能直接喂给模型的样子2.1 猫狗数据集从哪来、怎么划分猫狗图像分类最常用的公开数据集是 Kaggle 上的 Dogs vs. Cats训练集各 12500 张测试集 12500 张。如果你拿到的项目源码里已经带了数据集先确认目录结构。常见做法是整理成下面这样dataset/ ├── train/ │ ├── cats/ # 12500 张猫图 │ └── dogs/ # 12500 张狗图 ├── validation/ │ ├── cats/ # 从训练集切出 2500 张 │ └── dogs/ # 从训练集切出 2500 张 └── test/ ├── cats/ └── dogs/为什么要单独切验证集因为训练过程中你需要一个模型没见过的数据来监控是否过拟合。如果只用训练集和测试集你调参时实际上是在「偷看」测试集最终指标会虚高。我一般按 8:1:1 或 9:1 的比例切猫狗各自独立切保证类别平衡。如果原始数据是混在一起的用下面这段脚本自动划分import os import random import shutil # 原始数据目录猫狗图片混放或已分文件夹 src_cats raw/cats src_dogs raw/dogs base dataset # 创建目标目录 for split in [train, validation, test]: for cls in [cats, dogs]: os.makedirs(os.path.join(base, split, cls), exist_okTrue) def split_data(src_dir, cls_name, train_ratio0.8, val_ratio0.1): files [f for f in os.listdir(src_dir) if f.lower().endswith((.jpg, .jpeg, .png))] random.seed(42) # 固定随机种子保证可复现 random.shuffle(files) n len(files) n_train int(n * train_ratio) n_val int(n * val_ratio) splits { train: files[:n_train], validation: files[n_train:n_train n_val], test: files[n_train n_val:] } for split, flist in splits.items(): dst os.path.join(base, split, cls_name) for f in flist: shutil.copy(os.path.join(src_dir, f), os.path.join(dst, f)) print(f{cls_name}: train{len(splits[train])}, val{len(splits[validation])}, test{len(splits[test])}) split_data(src_cats, cats) split_data(src_dogs, dogs)这段脚本的关键参数是random.seed(42)固定种子后每次划分结果一致方便复现实验。train_ratio和val_ratio按你的数据量调整数据少的时候验证集比例可以降到 0.1。注意图片扩展名要覆盖 jpg、jpeg、png有些数据集里混了多种格式漏掉会导致样本数对不上。2.2 用 ImageDataGenerator 做在线增强别把增强图存盘很多人做数据增强时先把增强后的图片生成出来存到硬盘再读进来训练。这样做有两个问题一是占空间25000 张图增强 5 倍就是 12 万张二是每轮训练看到的增强图是固定的泛化效果打折。正确做法是用 Keras 的ImageDataGenerator做在线增强每个 epoch 实时生成不同的增强版本。from tensorflow.keras.preprocessing.image import ImageDataGenerator IMG_SIZE (150, 150) # 统一缩放到 150x150 BATCH_SIZE 32 # 训练集带增强 train_datagen ImageDataGenerator( rescale1.0 / 255, # 像素归一化到 [0,1] rotation_range20, # 随机旋转 ±20 度 width_shift_range0.1, # 水平平移 10% height_shift_range0.1, # 垂直平移 10% shear_range0.1, # 剪切变换 zoom_range0.1, # 随机缩放 horizontal_flipTrue, # 水平翻转猫狗都适用 fill_modenearest # 变换后空白用最近像素填充 ) # 验证集和测试集只归一化不增强 val_datagen ImageDataGenerator(rescale1.0 / 255) train_gen train_datagen.flow_from_directory( dataset/train, target_sizeIMG_SIZE, batch_sizeBATCH_SIZE, class_modebinary # 二分类标签为 0/1 ) val_gen val_datagen.flow_from_directory( dataset/validation, target_sizeIMG_SIZE, batch_sizeBATCH_SIZE, class_modebinary )rescale1.0/255是必须的CNN 对输入尺度敏感不归一化会导致训练震荡。horizontal_flipTrue对猫狗任务安全因为翻转后的猫还是猫但如果你做的是文字识别或方向敏感的任务这个参数要关掉。class_modebinary表示输出一个 0 到 1 的概率值配合sigmoid激活函数使用。如果你改成多分类这里要换成categorical输出层也要相应调整。注意flow_from_directory会按文件夹名的字母顺序分配标签cats 在前就是 0dogs 是 1。预测时别把标签对应关系搞反否则准确率再高也是白搭。3. 搭一个能打的 CNN从三层卷积到迁移学习的选型对比3.1 从零搭 CNN 的结构设计与参数含义项目源码里通常会给一个基础 CNN 结构我一般从三层卷积起步结构如下from tensorflow.keras import layers, models def build_cnn(input_shape(150, 150, 3)): model models.Sequential([ # 第一层卷积提取边缘、纹理等低级特征 layers.Conv2D(32, (3, 3), activationrelu, input_shapeinput_shape), layers.MaxPooling2D((2, 2)), # 第二层卷积组合低级特征成局部形状 layers.Conv2D(64, (3, 3), activationrelu), layers.MaxPooling2D((2, 2)), # 第三层卷积提取更抽象的语义特征 layers.Conv2D(128, (3, 3), activationrelu), layers.MaxPooling2D((2, 2)), # 展平后接全连接层 layers.Flatten(), layers.Dropout(0.5), # 随机丢弃 50%抑制过拟合 layers.Dense(512, activationrelu), layers.Dense(1, activationsigmoid) # 二分类输出概率 ]) return model model build_cnn() model.compile( optimizeradam, lossbinary_crossentropy, metrics[accuracy] ) model.summary()Conv2D(32, (3, 3))里的 32 是卷积核数量也就是输出特征图通道数(3,3) 是卷积核尺寸。核越多能提取的特征模式越丰富但参数量和计算量也越大。三层之后特征图尺寸从 150 降到 17 左右再往下池化会丢太多空间信息所以三层是个平衡点。Dropout(0.5)放在全连接层前训练时随机丢弃一半神经元是防止过拟合最直接的手段。sigmoid把输出压到 0 到 1配合binary_crossentropy计算损失。这个从零搭的模型在猫狗数据集上大概能跑到 80% 到 85% 的验证准确率训练 20 到 30 个 epoch。想再往上提就得靠迁移学习。3.2 迁移学习用预训练模型把准确率拉到 95% 以上从零训练 CNN 需要大量数据和算力而猫狗数据集只有 25000 张容易过拟合。更实用的做法是拿在 ImageNet 上预训练好的模型做特征提取只训练顶部分类层。常见选择有 VGG16、ResNet50、MobileNetV2。我一般先用 MobileNetV2因为它轻量CPU 也能跑。from tensorflow.keras.applications import MobileNetV2 from tensorflow.keras import layers, models # 加载预训练权重去掉顶部分类层 base_model MobileNetV2( input_shape(150, 150, 3), include_topFalse, # 不要 ImageNet 的 1000 类分类头 weightsimagenet # 加载预训练权重 ) # 冻结卷积基不让它在训练初期被破坏 base_model.trainable False model models.Sequential([ base_model, layers.GlobalAveragePooling2D(), # 替代 Flatten减少参数 layers.Dropout(0.3), layers.Dense(1, activationsigmoid) ]) model.compile( optimizeradam, lossbinary_crossentropy, metrics[accuracy] )include_topFalse是关键去掉原模型的分类头换成我们自己的二分类输出。base_model.trainable False先冻结卷积基只训练新增层这样收敛快且不容易过拟合。训练 10 个 epoch 后可以解冻最后几层做微调学习率要调小到 1e-5 级别否则会把预训练权重冲垮。方案验证准确率训练时间CPU适用场景从零搭三层 CNN80%85%较慢学习原理、数据量大MobileNetV2 迁移95%快快速出结果、部署轻量ResNet50 迁移96%中等追求精度、有 GPU选哪个取决于你的目标。如果是为了理解 CNN 原理从零搭如果是为了尽快拿到可用模型直接上迁移学习。项目源码里两种通常都会给建议都跑一遍对比。4. 训练、评估与推理把模型跑起来并验证它真的能用4.1 训练回调早停与学习率衰减怎么配训练时别傻跑固定 epoch用回调函数自动控制。最常用的两个是EarlyStopping和ReduceLROnPlateau。from tensorflow.keras.callbacks import EarlyStopping, ReduceLROnPlateau, ModelCheckpoint callbacks [ # 验证损失 5 轮不降就停并恢复最佳权重 EarlyStopping(monitorval_loss, patience5, restore_best_weightsTrue), # 验证损失 3 轮不降就把学习率减半 ReduceLROnPlateau(monitorval_loss, factor0.5, patience3, min_lr1e-6), # 只保存验证准确率最高的模型 ModelCheckpoint(best_model.h5, monitorval_accuracy, save_best_onlyTrue) ] history model.fit( train_gen, epochs30, validation_dataval_gen, callbackscallbacks )patience5表示连续 5 个 epoch 验证损失没改善就停避免浪费时间。restore_best_weightsTrue保证训练结束后模型回到最佳状态而不是最后一轮的状态。ReduceLROnPlateau在损失停滞时降低学习率帮助模型跳出局部最优。ModelCheckpoint只存最好的模型省得你手动挑。4.2 评估与单张图片推理训练完先看验证集准确率和混淆矩阵别只看一个数字。import numpy as np from tensorflow.keras.models import load_model from tensorflow.keras.preprocessing import image # 加载最佳模型 model load_model(best_model.h5) # 在测试集上评估 test_datagen ImageDataGenerator(rescale1.0 / 255) test_gen test_datagen.flow_from_directory( dataset/test, target_size(150, 150), batch_size32, class_modebinary, shuffleFalse # 评估时不要打乱保证顺序对应 ) loss, acc model.evaluate(test_gen) print(f测试集准确率: {acc:.4f}) # 单张图片推理 def predict_image(img_path): img image.load_img(img_path, target_size(150, 150)) arr image.img_to_array(img) / 255.0 arr np.expand_dims(arr, axis0) # 增加 batch 维度 pred model.predict(arr)[0][0] label dog if pred 0.5 else cat print(f{img_path} - {label} (置信度: {pred:.4f})) return label predict_image(dataset/test/cats/cat_001.jpg)shuffleFalse在评估时很重要否则你没法把预测结果和真实标签一一对应。np.expand_dims是因为模型期望输入是(batch, height, width, channels)单张图只有三维要补一个 batch 维度。置信度接近 0.5 的样本说明模型拿不准实际部署时可以把这类样本挑出来人工复核。5. 避坑与排查猫狗分类项目里最容易翻车的 5 个地方5.1 准确率卡在 50% 不动现象训练几个 epoch 后准确率一直在 0.5 附近损失也不降。原因最常见的是标签和输出不匹配。比如class_mode设成了categorical但输出层用了sigmoid或者标签顺序搞反了。另一个可能是学习率太大模型直接发散。解决先检查class_mode和输出层激活函数是否配套二分类用binarysigmoid多分类用categoricalsoftmax。然后把学习率降到 1e-4 试试。如果还不行打印一个 batch 的标签看看是不是全 0 或全 1。5.2 训练准确率高但验证准确率低现象训练集准确率 99%验证集只有 70%差距巨大。原因过拟合。数据量不够、模型太复杂、没加正则化都会导致。解决先加Dropout和数据增强再把模型简化或者直接换迁移学习。如果数据量确实少考虑冻结更多层只训练分类头。早停也能缓解但治标不治本。5.3 内存爆了或者训练极慢现象训练时内存占用飙升或者一个 epoch 要跑很久。原因batch_size太大或者图片没缩放直接读入原图。猫狗原图尺寸不一有的超过 500x500不缩放会拖垮内存。解决target_size统一设成 150x150 或 224x224batch_size从 32 起步内存不够就降到 16 或 8。用flow_from_directory是在线读取不会一次性加载所有图片比手动np.array全部读入省内存。5.4 预测结果全是同一类现象不管输入什么图模型都输出 cat 或都输出 dog。原因类别极度不平衡或者归一化没做。如果训练集里猫狗数量差很多模型会倾向于预测多数类。解决确认猫狗样本数是否接近差太多就做重采样或加类别权重。检查rescale有没有加像素值 0 到 255 直接输入会让训练不稳定。另外确认预测时的预处理和训练时一致训练用了rescale预测也要用。5.5 保存的模型加载后预测结果不对现象训练时验证准确率很高保存后重新加载预测全错。原因保存的是模型结构而不是权重或者加载时没指定custom_objects。更常见的是保存了最后一轮的模型而不是最佳模型。解决用ModelCheckpoint保存最佳权重加载时用load_model直接读 h5 文件。如果模型里用了自定义层或损失函数加载时要传custom_objects。养成习惯保存后立刻加载一次用同一张图对比预测结果是否一致。6. 把模型推到能用的程度几个我反复验证过的技巧训练出一个 95% 准确率的模型只是起点真正要用起来还得处理一些细节。第一个技巧是测试时增强TTA对同一张测试图做多次增强变换把预测结果平均能稳定提升 1 到 2 个百分点。实现很简单对每张图分别做原图、水平翻转、轻微旋转三种变换各预测一次取平均。def predict_with_tta(model, img_path): img image.load_img(img_path, target_size(150, 150)) arr image.img_to_array(img) / 255.0 batch np.expand_dims(arr, axis0) # 原图 p1 model.predict(batch)[0][0] # 水平翻转 p2 model.predict(batch[:, :, ::-1, :])[0][0] # 轻微旋转用 numpy 简单实现 p3 model.predict(np.rot90(batch, k1, axes(1, 2)))[0][0] return (p1 p2 p3) / 3第二个技巧是阈值调整。默认 0.5 作为分类阈值但如果你的场景对漏检更敏感可以把阈值降到 0.4宁可错杀不可放过。反过来如果对误报敏感就提高到 0.6。这个阈值要在验证集上按业务需求调没有万能值。第三个技巧是错误分析。把验证集里预测错的样本挑出来按置信度排序看看模型在哪些图上翻车。我做过一次发现大部分错误集中在远景、遮挡、多只动物同框的图上。针对这些情况要么补充类似数据要么在预处理阶段做裁剪。最后一个习惯每次改完参数记录验证准确率、训练时间、模型大小三个指标。我一般用个简单的表格记跑过十几轮后就能看出哪些改动真正有效。别凭感觉调参血泪经验告诉我感觉往往不靠谱。这套流程跑下来从数据整理到模型部署大概两三天能走完。项目源码和数据集给你的是起点真正值钱的是你踩过的坑和调过的参数。希望帮到你。本文还有配套的精品资源点击获取
