简介面向深度学习与智能交通方向的交通标志识别系统完整源码包对于计算机视觉初学者及自动驾驶、辅助驾驶开发者而言是一套可直接上手的学习与二次开发范例。系统融合了AlexNet、ResNet18、VGG三种经典卷积神经网络覆盖数据训练、模型封装、推理测试与日志记录完整流程兼顾识别性能与代码可读性。压缩包共二十八个文件以六个Python源文件为核心辅以十五个测试文件、三个日志文件、三个编译文件及一个说明文档整体仅二百三十四KB轻量便于快速部署。已有五百八十五人学习下载可在交通信号识别场景中直接对照训练与推理逻辑也适合课程设计或毕设拓展。借助日志文件可追踪运行状态测试文件保障多种条件下的鲁棒性整体结构清晰方便二次开发。1. 交通标志识别一个 28 文件源码包里的深度学习闭环交通标志识别不是那种「看着酷但用不上」的算法玩具——它在辅助驾驶、交通监控、自动驾驶决策里都是刚需场景。这个 Python 交通标志识别系统源码包一共 28 个文件包含 15 个测试文件、6 个 Python 源文件、3 个日志文件、3 个编译文件和 1 个 readme模型侧覆盖了 AlexNet、ResNet18、VGG 三套经典卷积神经网络。我第一次打开这个包时最直观的感受是它不像那种「只给你一个 train.py 就跑」的半成品而是把训练日志、模型定义、测试文件都按软件工程的方式分好了类适合两类人——想交课程设计/毕业设计的学生和想快速搭建一个图像分类基线工程的入门工程师。它的核心价值不在于模型有多新而在于把「数据进 → 特征提取 → 分类输出」这条链路用三套主流网络各跑了一遍让你能直接对比不同网络在同一任务上的表现差异。2. 从压缩包到训练脚本先把工程结构吃透再谈跑通2.1 源码包的目录组织逻辑runs 目录才是核心资产打开 upload.zip 后你看到的不是一坨散落的 .py 文件而是按模型名分好层的目录。Alexnet、Resnet18、VGG 三个目录下各有runs/子目录里面存的是对应模型的训练产物——model.py是网络结构定义train.py是训练入口日志文件记录了每次运行的 loss 和准确率变化。以Resnet18/runs/Apr17_13-30-35_teslap100/为例这个路径本身就透露了两个关键信息Apr17_13-30-35是训练启动的时间戳说明训练是独立起任务跑的不是跟着某个大型 pipeline 连跑。这一点很重要——你可以拿它当版本管理用哪天训练的模型效果最好翻这个时间戳就能找到对应权重。teslap100指的是运行环境是 Tesla P100 GPU常见于 Google Colab 或云租用显卡。这意味着 train.py 大概率是能在 Colab 上直接跑的不需要本地折腾 CUDA 环境。__pycache__里的model.cpython-38.pyc说明 Python 版本是 3.8如果你本机是 3.10编译产物会失效但源码 .py 文件本身不受影响顶多重新生成一遍缓存。整个包没有单独的 weights 目录模型权重应该是在训练完成后直接存到了 runs 的时间戳目录下。2.2 train.py 的主流程数据加载、模型实例化、训练循环三件套以 ResNet18 的 train.py 为例典型的训练脚本骨架长这样import torch import torch.nn as nn import torch.optim as optim from torch.utils.data import DataLoader from torchvision import datasets, transforms from model import ResNet18 # 假设 model.py 里导出了这个类 # 1. 数据增强与归一化 train_transform transforms.Compose([ transforms.Resize((224, 224)), transforms.RandomHorizontalFlip(p0.5), transforms.ColorJitter(brightness0.2, contrast0.2), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) train_dataset datasets.ImageFolder(rootdata/train, transformtrain_transform) train_loader DataLoader(train_dataset, batch_size32, shuffleTrue, num_workers2, pin_memoryTrue) # 2. 模型实例化二选一取决于你要在哪个数据集上跑 model ResNet18(num_classes43) # 德国交通标志数据集 GTSRB 是 43 类 # model AlexNet(num_classes43) # 切换网络时替换这一行 # 3. 优化器与损失函数 criterion nn.CrossEntropyLoss() optimizer optim.SGD(model.parameters(), lr0.01, momentum0.9, weight_decay1e-4) # 训练循环 for epoch in range(50): model.train() running_loss 0.0 for images, labels in train_loader: images, labels images.cuda(), labels.cuda() optimizer.zero_grad() outputs model(images) loss criterion(outputs, labels) loss.backward() optimizer.step() running_loss loss.item() print(fEpoch [{epoch1}/50], Loss: {running_loss/len(train_loader):.4f}) # 每轮结束保存一次 checkpoint防止中途断掉白跑 torch.save(model.state_dict(), fcheckpoint_epoch_{epoch1}.pth)这段代码的要点在参数选择上Resize((224, 224))是标准做法三个网络的输入尺寸都统一到 224×224方便你在不同模型间切换时不用改数据管线。RandomHorizontalFlip对交通标志来说不算完全合理——限速标志、禁止标志翻转后语义就变反了这是通用图像分类数据增强直接搬过来用会埋的雷后面避坑章我会专门讲。CrossEntropyLoss自动帮你做 softmax 和 log 计算输出层不需要再手动加 softmax分类头直接用 nn.Linear 输出 43 维向量就够。优化器选 SGD 而不是 Adam是图像分类任务里的经验值——SGD momentum 在 ImageNet 类任务上收敛精度通常比 Adam 高代价是收敛慢需要把学习率调得更仔细。2.3 model.py 的网络定义三种结构各有什么说法model.py里定义的模型各有不同。AlexNet 是 2012 年的 ImageNet 冠军结构5 层卷积 3 层全连接卷积核从 11×11 逐步衰减到 3×3特点是参数量大约 6000 万靠 Dropout 扛过拟合。ResNet18 引入了残差连接——x F(x)的跳跃结构让梯度能直接穿过深层的非线性变换18 层网络可以稳定收敛实测训练时 loss 比同深度的 VGG 掉得稳。VGG 则坚持小卷积核堆深度全部用 3×3 卷积结构简单但计算量大。切换模型时你只需要改一行实例化代码数据加载、训练循环都不用动。这个设计对初学者友好能让你快速对比三种网络的收敛速度和精度差异——实测在交通标志这种细粒度图像任务上ResNet18 通常比 AlexNet 高 2-3 个百分点训练速度也比 VGG 快是三个模型里性价比最优的选择。3. 往训练管线里加验证与推理从只出 loss 到真正能识别3.1 训练集与验证集划分别把测试文件当摆设这个包里有 15 个测试文件说明训练脚本不是「train 完就完事」测试集独立于训练集是留出来评测泛化能力的。常见做法是train_test_split按 8:2 划分数据但交通标志数据集比如 GTSRB官方本身就分了 train 和 test 两个目录你不该再手动混洗直接用官方划分就好。训练时一个容易犯的错误是只盯训练集 loss——loss 掉到 0.2 以下训练集准确率 98%看着很美但在测试集上一跑只有 70%这就是过拟合的典型信号。把测试流程写进训练脚本是取舍的做法。我一般会在每个 epoch 结束后跑一遍验证集def evaluate(model, val_loader): model.eval() correct 0 total 0 with torch.no_grad(): for images, labels in val_loader: images, labels images.cuda(), labels.cuda() outputs model(images) _, predicted torch.max(outputs.data, 1) total labels.size(0) correct (predicted labels).sum().item() return 100 * correct / total # 每个 epoch 结束后调用 val_acc evaluate(model, val_loader) print(fEpoch [{epoch1}/50], Val Accuracy: {val_acc:.2f}%)model.eval()是关键——它会把 Dropout 关掉、BatchNorm 切换到用滑动平均统计量推理行为跟训练时完全不同。很多新手在这个坑上翻车训练时带 Dropout 效果不错验证时忘了切 eval 模式结果指标忽高忽低玄学得很。torch.no_grad()则是让 PyTorch 不构建计算图推理阶段内存占用能降一半速度也快。3.2 推理脚本加载权重对单张图片做预测训练完成后的落地场景是输入一张图输出一个类别。一个最小可用的推理脚本长这样import torch from PIL import Image from torchvision import transforms from model import ResNet18 # GTSRB 数据集的类别名按索引对应 class_names [ 限速20, 限速30, 限速50, 限速60, 限速70, 限速80, 解除限速80, 限速100, 限速120, 禁止超车, 禁止超车(货车), 优先路权, 让行, 停, 禁止通行, 禁止货车, 禁止进入, 注意, 弯道左, 弯道右, 连续弯道, 颠簸路面, 湿滑路面, 道路变窄, 施工, 信号灯, 行人, 儿童, 自行车, 冰面, 野生动物, 解除全部限制, 仅右转, 仅左转, 仅直行, 直行或右转, 直行或左转, 靠右, 靠左, 环岛, 解除禁止超车, 解除禁止超车(货车) ] model ResNet18(num_classes43) model.load_state_dict(torch.load(best_model.pth, map_locationcpu)) model.eval() transform transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) img Image.open(test_images/stop_sign.jpg).convert(RGB) input_tensor transform(img).unsqueeze(0) # 加 batch 维度 with torch.no_grad(): output model(input_tensor) _, pred torch.max(output, 1) print(f预测结果: {class_names[pred.item()]})这里的map_locationcpu解决的是设备不一致问题——训练用的是 Tesla P100CUDA推理环境可能是 Mac 或没显卡的 Windows 机器不加这个参数会报 CUDA not available 错误。unsqueeze(0)是把 3 维的 C×H×W 图像张量变成 4 维的 1×C×H×W因为模型期望的输入包含 batch 维度。推理时别忽略 preprocess 的一致性训练用的 Resize 是 224×224推理也必须用同样的尺寸同时 Normalize 的 mean 和 std 必须一字不差。我之前见过有人训练时用了标准化推理时漏了这一步结果同一张图片预测出来的类别每次都不一样——这种翻车和模型本身没关系纯粹是预处理管线没对齐。4. 三模型横向对比AlexNet、ResNet18、VGG 在交通标志任务上的取舍4.1 从日志文件读训练实况时间戳、loss 曲线、收敛速度包里的三个.log文件Alexnet.log、Resnet18.log、VGG.log记录了不同模型的训练轨迹。如果你打开看会发现典型的日志长这样Epoch [1/50], Time: 0:02:35, Loss: 2.1834, Acc: 34.67% Epoch [2/50], Time: 0:02:31, Loss: 1.4522, Acc: 52.13% ... Epoch [25/50], Time: 0:02:28, Loss: 0.2145, Acc: 96.42% Epoch [26/50], Loss: 0.1978, Acc: 97.01%从日志里能提炼三个信息AlexNet 前几个 epoch 的 loss 下降最快因为它的全连接层参数多、学习能力强但到了 20 个 epoch 之后容易进入平台期loss 不再明显下降这就是过拟合的前兆——训练集 Acc 还在涨但验证集 Acc 开始波动。ResNet18 的 loss 曲线更平滑没有大起大落残差结构让梯度流稳定一般 20-30 个 epoch 就能收敛到 97% 以上的精度。VGG 的优点是不挑数据结构简单直接但计算开销大。同样 50 个 epochVGG 的训练时间差不多是 ResNet18 的 1.5-2 倍精度还不一定更高。4.2 选型建议什么场景用哪个模型拿交通标志识别这个具体任务来说三类模型的边界很清楚模型参数量训练速度精度表现适用场景AlexNet~60M快中等快速出基线、验证数据管线是否通了ResNet18~11M中最好正式训练、精度优先、显存有限VGG~138M慢中上研究结构对比、不在乎训练时长如果只是交课程设计我建议直接用 ResNet18理由是本包三个模型里它最平衡——参数量只有 AlexNet 的六分之一精度反而更高。如果你是做实验对比三个模型都跑一遍重点看 ResNet18 和 VGG 的差距是不是在你的任务里真的显著。多数情况下18 层的残差网络已经足够刻画交通标志的细粒度差异VGG 的深度优势在这个任务上体现不明显。5. 避坑指南交通标志识别项目里最常见的五个翻车点5.1 数据增强过度导致语义反转现象训练集准确率 98%测试集准确率只有 70% 出头而且错误集中在限速标志和禁止标志上。原因train.py 里用了RandomHorizontalFlip(p0.5)。限速 50 的标志水平翻转后虽然像素变了但含义没变数字 50 翻转还是 50这点问题不大但「禁止超车」「禁止左转」这类标志箭头方向翻转后语义就相反了模型学到的是「翻转后的图案 → 原类别」推理时见到真实世界里有方向性的标志反而识别不准。解决把RandomHorizontalFlip和RandomVerticalFlip都去掉。交通标志数据增强应以颜色抖动、亮度调整、小角度旋转±10°以内为主不要做翻转类操作。要是非要用只对数字类标志限速 30/50/80做水平翻转注意用类别索引过滤。5.2 训练时用了 GPU推理时忘改设备映射现象本地 CPU 环境跑 torch.load 加载权重时直接报错类似 Missing key(s) in state_dict 或 CUDA 相关的 RuntimeError。原因训练是在 Tesla P100 上跑的model.state_dict()里的张量是 CUDA 设备上的直接torch.load默认按原设备加载。本地无 GPU 时加载必然失败。解决加载时显式指定map_locationcpu。如果后续还有推理部署统一在加载后执行model.eval()、清掉梯度缓存。这条坑几乎每个第一次复现别人工程的人都会踩一遍。5.3 预处理管线不统一训练和推理各写一套现象同一张测试图片跑两次推理得到不同类别或者训练时效果很好推理时同一类别的图片识别结果乱七八糟。原因训练脚本里写了Normalize(mean[0.485,...], std[0.229,...])推理脚本里要么忘了 Normalize要么擅自改成了别的 mean/std。模型学到的特征分布和推理输入的分布根本对不上。解决把预处理步骤单独抽成一个函数或模块训练和推理共用同一份代码不要复制粘贴。尤其是 Resize 尺寸和 Normalize 参数一个字都不能差。5.4 类别数写错num_classes 与数据集不匹配现象模型能跑通训练但最后输出层的形状对不上报维度 mismatch 的错。原因德国 GTSRB 数据集是 43 类但国内课程设计常用的自采数据集可能只有 10 类、 20 类修改数据集后忘了把model.py里的num_classes参数同步改掉。解决在 train.py 开头加载数据后先打印len(train_dataset.classes)确认类别数再实例化模型。且要在 model.py 里检查最后一个全连接层的输出维度比如nn.Linear(512, 43)里的 43 必须和数据集类别数一致。5.5 训练中断后没有后悔药不保存 checkpoint 等于白跑现象训练到第 30 个 epochColab 断线所有进度丢失只能从头重跑。原因脚本只在全部训练结束后保存最终权重或者压根没写保存逻辑——这个包里 runs 目录有训练产物还说明作者保存了但你自己改动 train.py 时很容易把这步省略。解决每个 epoch 结束后都存一份用 epoch 编号做文件名保留最好的那个。常见做法是同时保存状态字典和优化器状态方便中断后原地续跑torch.save({ epoch: epoch, model_state_dict: model.state_dict(), optimizer_state_dict: optimizer.state_dict(), loss: loss, }, fcheckpoint_epoch_{epoch1}.pth)6. 让模型真正可用把训练好的权重接进实时识别脚本模型训练完、准确率也达标了剩下的事情是让它能对摄像头画面或视频帧做实时预测。这里我给一个可以直接套用的 trick把推理封装成函数加上置信度阈值过滤。def predict_frame(model, frame, class_names, threshold0.6): 输入模型、视频帧(BGR)、类别列表、置信度阈值 输出预测类别和置信度低于阈值则返回 None # OpenCV 读到的帧是 BGR先转 RGB 再走预处理管线 rgb_frame cv2.cvtColor(frame, cv2.COLOR_BGR2RGB) pil_img Image.fromarray(rgb_frame) input_tensor transform(pil_img).unsqueeze(0) with torch.no_grad(): output model(input_tensor) probs torch.softmax(output, dim1) confidence, pred torch.max(probs, dim1) if confidence.item() threshold: return None, confidence.item() return class_names[pred.item()], confidence.item()这个函数的价值在工程层面视频里每一帧都可能有没有标志的画面如果不加置信度过滤模型会强制把「没有标志」的帧也分类到某一个类别里误报率会高到让人想砸电脑。加一个 0.6 的阈值后只有模型「确定」时才会输出类别不确定就跳过——这是把模型从实验室搬到实际场景时最朴素的防误报手段。验证这个脚本的正确做法是找一段包含多个交通标志的视频逐帧跑一遍统计每类标志的检出率和误检率。如果限速标志的检出率低于 85%优先检查预处理尺寸是不是跟训练时一致其次调阈值——阈值调低召回率高但误报也多0.5 到 0.7 之间多试几档。这个参数没有标准答案跟你的数据集难度和模型精度都挂钩只能实测后定。从那以后我做任何图像分类项目都会强制走一遍「训练集过拟合测试 → 验证集指标 → 单张图片推理 → 视频帧连续推理」这个完整链路。前两步只能说明模型学会了后两步才决定模型能不能用。这个包里的三套模型和测试文件已经帮你铺好了前两步的路剩下的工程化打磨希望帮到你。本文还有配套的精品资源点击获取
交通标志识别实战：AlexNet/ResNet18/VGG对比与PyTorch部署
简介面向深度学习与智能交通方向的交通标志识别系统完整源码包对于计算机视觉初学者及自动驾驶、辅助驾驶开发者而言是一套可直接上手的学习与二次开发范例。系统融合了AlexNet、ResNet18、VGG三种经典卷积神经网络覆盖数据训练、模型封装、推理测试与日志记录完整流程兼顾识别性能与代码可读性。压缩包共二十八个文件以六个Python源文件为核心辅以十五个测试文件、三个日志文件、三个编译文件及一个说明文档整体仅二百三十四KB轻量便于快速部署。已有五百八十五人学习下载可在交通信号识别场景中直接对照训练与推理逻辑也适合课程设计或毕设拓展。借助日志文件可追踪运行状态测试文件保障多种条件下的鲁棒性整体结构清晰方便二次开发。1. 交通标志识别一个 28 文件源码包里的深度学习闭环交通标志识别不是那种「看着酷但用不上」的算法玩具——它在辅助驾驶、交通监控、自动驾驶决策里都是刚需场景。这个 Python 交通标志识别系统源码包一共 28 个文件包含 15 个测试文件、6 个 Python 源文件、3 个日志文件、3 个编译文件和 1 个 readme模型侧覆盖了 AlexNet、ResNet18、VGG 三套经典卷积神经网络。我第一次打开这个包时最直观的感受是它不像那种「只给你一个 train.py 就跑」的半成品而是把训练日志、模型定义、测试文件都按软件工程的方式分好了类适合两类人——想交课程设计/毕业设计的学生和想快速搭建一个图像分类基线工程的入门工程师。它的核心价值不在于模型有多新而在于把「数据进 → 特征提取 → 分类输出」这条链路用三套主流网络各跑了一遍让你能直接对比不同网络在同一任务上的表现差异。2. 从压缩包到训练脚本先把工程结构吃透再谈跑通2.1 源码包的目录组织逻辑runs 目录才是核心资产打开 upload.zip 后你看到的不是一坨散落的 .py 文件而是按模型名分好层的目录。Alexnet、Resnet18、VGG 三个目录下各有runs/子目录里面存的是对应模型的训练产物——model.py是网络结构定义train.py是训练入口日志文件记录了每次运行的 loss 和准确率变化。以Resnet18/runs/Apr17_13-30-35_teslap100/为例这个路径本身就透露了两个关键信息Apr17_13-30-35是训练启动的时间戳说明训练是独立起任务跑的不是跟着某个大型 pipeline 连跑。这一点很重要——你可以拿它当版本管理用哪天训练的模型效果最好翻这个时间戳就能找到对应权重。teslap100指的是运行环境是 Tesla P100 GPU常见于 Google Colab 或云租用显卡。这意味着 train.py 大概率是能在 Colab 上直接跑的不需要本地折腾 CUDA 环境。__pycache__里的model.cpython-38.pyc说明 Python 版本是 3.8如果你本机是 3.10编译产物会失效但源码 .py 文件本身不受影响顶多重新生成一遍缓存。整个包没有单独的 weights 目录模型权重应该是在训练完成后直接存到了 runs 的时间戳目录下。2.2 train.py 的主流程数据加载、模型实例化、训练循环三件套以 ResNet18 的 train.py 为例典型的训练脚本骨架长这样import torch import torch.nn as nn import torch.optim as optim from torch.utils.data import DataLoader from torchvision import datasets, transforms from model import ResNet18 # 假设 model.py 里导出了这个类 # 1. 数据增强与归一化 train_transform transforms.Compose([ transforms.Resize((224, 224)), transforms.RandomHorizontalFlip(p0.5), transforms.ColorJitter(brightness0.2, contrast0.2), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) train_dataset datasets.ImageFolder(rootdata/train, transformtrain_transform) train_loader DataLoader(train_dataset, batch_size32, shuffleTrue, num_workers2, pin_memoryTrue) # 2. 模型实例化二选一取决于你要在哪个数据集上跑 model ResNet18(num_classes43) # 德国交通标志数据集 GTSRB 是 43 类 # model AlexNet(num_classes43) # 切换网络时替换这一行 # 3. 优化器与损失函数 criterion nn.CrossEntropyLoss() optimizer optim.SGD(model.parameters(), lr0.01, momentum0.9, weight_decay1e-4) # 训练循环 for epoch in range(50): model.train() running_loss 0.0 for images, labels in train_loader: images, labels images.cuda(), labels.cuda() optimizer.zero_grad() outputs model(images) loss criterion(outputs, labels) loss.backward() optimizer.step() running_loss loss.item() print(fEpoch [{epoch1}/50], Loss: {running_loss/len(train_loader):.4f}) # 每轮结束保存一次 checkpoint防止中途断掉白跑 torch.save(model.state_dict(), fcheckpoint_epoch_{epoch1}.pth)这段代码的要点在参数选择上Resize((224, 224))是标准做法三个网络的输入尺寸都统一到 224×224方便你在不同模型间切换时不用改数据管线。RandomHorizontalFlip对交通标志来说不算完全合理——限速标志、禁止标志翻转后语义就变反了这是通用图像分类数据增强直接搬过来用会埋的雷后面避坑章我会专门讲。CrossEntropyLoss自动帮你做 softmax 和 log 计算输出层不需要再手动加 softmax分类头直接用 nn.Linear 输出 43 维向量就够。优化器选 SGD 而不是 Adam是图像分类任务里的经验值——SGD momentum 在 ImageNet 类任务上收敛精度通常比 Adam 高代价是收敛慢需要把学习率调得更仔细。2.3 model.py 的网络定义三种结构各有什么说法model.py里定义的模型各有不同。AlexNet 是 2012 年的 ImageNet 冠军结构5 层卷积 3 层全连接卷积核从 11×11 逐步衰减到 3×3特点是参数量大约 6000 万靠 Dropout 扛过拟合。ResNet18 引入了残差连接——x F(x)的跳跃结构让梯度能直接穿过深层的非线性变换18 层网络可以稳定收敛实测训练时 loss 比同深度的 VGG 掉得稳。VGG 则坚持小卷积核堆深度全部用 3×3 卷积结构简单但计算量大。切换模型时你只需要改一行实例化代码数据加载、训练循环都不用动。这个设计对初学者友好能让你快速对比三种网络的收敛速度和精度差异——实测在交通标志这种细粒度图像任务上ResNet18 通常比 AlexNet 高 2-3 个百分点训练速度也比 VGG 快是三个模型里性价比最优的选择。3. 往训练管线里加验证与推理从只出 loss 到真正能识别3.1 训练集与验证集划分别把测试文件当摆设这个包里有 15 个测试文件说明训练脚本不是「train 完就完事」测试集独立于训练集是留出来评测泛化能力的。常见做法是train_test_split按 8:2 划分数据但交通标志数据集比如 GTSRB官方本身就分了 train 和 test 两个目录你不该再手动混洗直接用官方划分就好。训练时一个容易犯的错误是只盯训练集 loss——loss 掉到 0.2 以下训练集准确率 98%看着很美但在测试集上一跑只有 70%这就是过拟合的典型信号。把测试流程写进训练脚本是取舍的做法。我一般会在每个 epoch 结束后跑一遍验证集def evaluate(model, val_loader): model.eval() correct 0 total 0 with torch.no_grad(): for images, labels in val_loader: images, labels images.cuda(), labels.cuda() outputs model(images) _, predicted torch.max(outputs.data, 1) total labels.size(0) correct (predicted labels).sum().item() return 100 * correct / total # 每个 epoch 结束后调用 val_acc evaluate(model, val_loader) print(fEpoch [{epoch1}/50], Val Accuracy: {val_acc:.2f}%)model.eval()是关键——它会把 Dropout 关掉、BatchNorm 切换到用滑动平均统计量推理行为跟训练时完全不同。很多新手在这个坑上翻车训练时带 Dropout 效果不错验证时忘了切 eval 模式结果指标忽高忽低玄学得很。torch.no_grad()则是让 PyTorch 不构建计算图推理阶段内存占用能降一半速度也快。3.2 推理脚本加载权重对单张图片做预测训练完成后的落地场景是输入一张图输出一个类别。一个最小可用的推理脚本长这样import torch from PIL import Image from torchvision import transforms from model import ResNet18 # GTSRB 数据集的类别名按索引对应 class_names [ 限速20, 限速30, 限速50, 限速60, 限速70, 限速80, 解除限速80, 限速100, 限速120, 禁止超车, 禁止超车(货车), 优先路权, 让行, 停, 禁止通行, 禁止货车, 禁止进入, 注意, 弯道左, 弯道右, 连续弯道, 颠簸路面, 湿滑路面, 道路变窄, 施工, 信号灯, 行人, 儿童, 自行车, 冰面, 野生动物, 解除全部限制, 仅右转, 仅左转, 仅直行, 直行或右转, 直行或左转, 靠右, 靠左, 环岛, 解除禁止超车, 解除禁止超车(货车) ] model ResNet18(num_classes43) model.load_state_dict(torch.load(best_model.pth, map_locationcpu)) model.eval() transform transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) img Image.open(test_images/stop_sign.jpg).convert(RGB) input_tensor transform(img).unsqueeze(0) # 加 batch 维度 with torch.no_grad(): output model(input_tensor) _, pred torch.max(output, 1) print(f预测结果: {class_names[pred.item()]})这里的map_locationcpu解决的是设备不一致问题——训练用的是 Tesla P100CUDA推理环境可能是 Mac 或没显卡的 Windows 机器不加这个参数会报 CUDA not available 错误。unsqueeze(0)是把 3 维的 C×H×W 图像张量变成 4 维的 1×C×H×W因为模型期望的输入包含 batch 维度。推理时别忽略 preprocess 的一致性训练用的 Resize 是 224×224推理也必须用同样的尺寸同时 Normalize 的 mean 和 std 必须一字不差。我之前见过有人训练时用了标准化推理时漏了这一步结果同一张图片预测出来的类别每次都不一样——这种翻车和模型本身没关系纯粹是预处理管线没对齐。4. 三模型横向对比AlexNet、ResNet18、VGG 在交通标志任务上的取舍4.1 从日志文件读训练实况时间戳、loss 曲线、收敛速度包里的三个.log文件Alexnet.log、Resnet18.log、VGG.log记录了不同模型的训练轨迹。如果你打开看会发现典型的日志长这样Epoch [1/50], Time: 0:02:35, Loss: 2.1834, Acc: 34.67% Epoch [2/50], Time: 0:02:31, Loss: 1.4522, Acc: 52.13% ... Epoch [25/50], Time: 0:02:28, Loss: 0.2145, Acc: 96.42% Epoch [26/50], Loss: 0.1978, Acc: 97.01%从日志里能提炼三个信息AlexNet 前几个 epoch 的 loss 下降最快因为它的全连接层参数多、学习能力强但到了 20 个 epoch 之后容易进入平台期loss 不再明显下降这就是过拟合的前兆——训练集 Acc 还在涨但验证集 Acc 开始波动。ResNet18 的 loss 曲线更平滑没有大起大落残差结构让梯度流稳定一般 20-30 个 epoch 就能收敛到 97% 以上的精度。VGG 的优点是不挑数据结构简单直接但计算开销大。同样 50 个 epochVGG 的训练时间差不多是 ResNet18 的 1.5-2 倍精度还不一定更高。4.2 选型建议什么场景用哪个模型拿交通标志识别这个具体任务来说三类模型的边界很清楚模型参数量训练速度精度表现适用场景AlexNet~60M快中等快速出基线、验证数据管线是否通了ResNet18~11M中最好正式训练、精度优先、显存有限VGG~138M慢中上研究结构对比、不在乎训练时长如果只是交课程设计我建议直接用 ResNet18理由是本包三个模型里它最平衡——参数量只有 AlexNet 的六分之一精度反而更高。如果你是做实验对比三个模型都跑一遍重点看 ResNet18 和 VGG 的差距是不是在你的任务里真的显著。多数情况下18 层的残差网络已经足够刻画交通标志的细粒度差异VGG 的深度优势在这个任务上体现不明显。5. 避坑指南交通标志识别项目里最常见的五个翻车点5.1 数据增强过度导致语义反转现象训练集准确率 98%测试集准确率只有 70% 出头而且错误集中在限速标志和禁止标志上。原因train.py 里用了RandomHorizontalFlip(p0.5)。限速 50 的标志水平翻转后虽然像素变了但含义没变数字 50 翻转还是 50这点问题不大但「禁止超车」「禁止左转」这类标志箭头方向翻转后语义就相反了模型学到的是「翻转后的图案 → 原类别」推理时见到真实世界里有方向性的标志反而识别不准。解决把RandomHorizontalFlip和RandomVerticalFlip都去掉。交通标志数据增强应以颜色抖动、亮度调整、小角度旋转±10°以内为主不要做翻转类操作。要是非要用只对数字类标志限速 30/50/80做水平翻转注意用类别索引过滤。5.2 训练时用了 GPU推理时忘改设备映射现象本地 CPU 环境跑 torch.load 加载权重时直接报错类似 Missing key(s) in state_dict 或 CUDA 相关的 RuntimeError。原因训练是在 Tesla P100 上跑的model.state_dict()里的张量是 CUDA 设备上的直接torch.load默认按原设备加载。本地无 GPU 时加载必然失败。解决加载时显式指定map_locationcpu。如果后续还有推理部署统一在加载后执行model.eval()、清掉梯度缓存。这条坑几乎每个第一次复现别人工程的人都会踩一遍。5.3 预处理管线不统一训练和推理各写一套现象同一张测试图片跑两次推理得到不同类别或者训练时效果很好推理时同一类别的图片识别结果乱七八糟。原因训练脚本里写了Normalize(mean[0.485,...], std[0.229,...])推理脚本里要么忘了 Normalize要么擅自改成了别的 mean/std。模型学到的特征分布和推理输入的分布根本对不上。解决把预处理步骤单独抽成一个函数或模块训练和推理共用同一份代码不要复制粘贴。尤其是 Resize 尺寸和 Normalize 参数一个字都不能差。5.4 类别数写错num_classes 与数据集不匹配现象模型能跑通训练但最后输出层的形状对不上报维度 mismatch 的错。原因德国 GTSRB 数据集是 43 类但国内课程设计常用的自采数据集可能只有 10 类、 20 类修改数据集后忘了把model.py里的num_classes参数同步改掉。解决在 train.py 开头加载数据后先打印len(train_dataset.classes)确认类别数再实例化模型。且要在 model.py 里检查最后一个全连接层的输出维度比如nn.Linear(512, 43)里的 43 必须和数据集类别数一致。5.5 训练中断后没有后悔药不保存 checkpoint 等于白跑现象训练到第 30 个 epochColab 断线所有进度丢失只能从头重跑。原因脚本只在全部训练结束后保存最终权重或者压根没写保存逻辑——这个包里 runs 目录有训练产物还说明作者保存了但你自己改动 train.py 时很容易把这步省略。解决每个 epoch 结束后都存一份用 epoch 编号做文件名保留最好的那个。常见做法是同时保存状态字典和优化器状态方便中断后原地续跑torch.save({ epoch: epoch, model_state_dict: model.state_dict(), optimizer_state_dict: optimizer.state_dict(), loss: loss, }, fcheckpoint_epoch_{epoch1}.pth)6. 让模型真正可用把训练好的权重接进实时识别脚本模型训练完、准确率也达标了剩下的事情是让它能对摄像头画面或视频帧做实时预测。这里我给一个可以直接套用的 trick把推理封装成函数加上置信度阈值过滤。def predict_frame(model, frame, class_names, threshold0.6): 输入模型、视频帧(BGR)、类别列表、置信度阈值 输出预测类别和置信度低于阈值则返回 None # OpenCV 读到的帧是 BGR先转 RGB 再走预处理管线 rgb_frame cv2.cvtColor(frame, cv2.COLOR_BGR2RGB) pil_img Image.fromarray(rgb_frame) input_tensor transform(pil_img).unsqueeze(0) with torch.no_grad(): output model(input_tensor) probs torch.softmax(output, dim1) confidence, pred torch.max(probs, dim1) if confidence.item() threshold: return None, confidence.item() return class_names[pred.item()], confidence.item()这个函数的价值在工程层面视频里每一帧都可能有没有标志的画面如果不加置信度过滤模型会强制把「没有标志」的帧也分类到某一个类别里误报率会高到让人想砸电脑。加一个 0.6 的阈值后只有模型「确定」时才会输出类别不确定就跳过——这是把模型从实验室搬到实际场景时最朴素的防误报手段。验证这个脚本的正确做法是找一段包含多个交通标志的视频逐帧跑一遍统计每类标志的检出率和误检率。如果限速标志的检出率低于 85%优先检查预处理尺寸是不是跟训练时一致其次调阈值——阈值调低召回率高但误报也多0.5 到 0.7 之间多试几档。这个参数没有标准答案跟你的数据集难度和模型精度都挂钩只能实测后定。从那以后我做任何图像分类项目都会强制走一遍「训练集过拟合测试 → 验证集指标 → 单张图片推理 → 视频帧连续推理」这个完整链路。前两步只能说明模型学会了后两步才决定模型能不能用。这个包里的三套模型和测试文件已经帮你铺好了前两步的路剩下的工程化打磨希望帮到你。本文还有配套的精品资源点击获取
