简介这份资源是面向计算机相关专业学生与项目实战学习者的CNN猫狗图像识别分类完整项目包可作为期末大作业、毕业设计或课程设计的高分参考方案。项目经导师指导并获评审98分源码均经本地编译与严格调试确保可直接运行难度适中适合需要动手实践卷积神经网络的学习者。压缩包共约2000个文件整体218.49MB其中1990个jpg为猫狗图像数据集另含1个pdf项目文档、1个py主程序源码及少量xml标注、md说明等辅助文件覆盖数据、代码与文档全流程。目前已有222人学习下载。读者可据此掌握图像数据组织、CNN模型搭建与训练、分类检测评估等关键环节并借助文档快速理解项目结构与实现思路省去从零搜集数据与调试环境的时间高效完成大作业或入门深度学习实战。1. 从一份猫狗识别源码说起CNN 图像分类到底能跑多快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。你拿到一份标着「高分项目」的源码包里面躺着 CNN 模型、几千张猫狗图片和一份 PDF 文档心里想的其实是三件事这东西能不能在我机器上跑起来、跑出来准不准、我能不能改成自己的数据。猫狗图像识别本质是一个二分类问题输入是一张 RGB 图片输出是「猫」或「狗」的概率。它之所以适合作为 Python 实战项目是因为数据获取简单、模型结构清晰、训练时间可控一张普通显卡甚至 CPU 都能在几十分钟内看到结果。但真正落地时你会发现坑不在模型本身而在数据管道、环境配置和参数调优上。这篇笔记就按「拿到源码后怎么复现、怎么改、怎么避坑」的顺序把 CNN 猫狗分类从零到可用的路径拆开讲清楚适合刚学完 Python 基础、想跑通第一个深度学习项目的从业者也适合需要快速验证图像分类方案的老手。2. 先把 CNN 猫狗分类的数据管道搭对目录结构与预处理2.1 为什么数据管道比模型结构更决定成败CNN 卷积神经网络在猫狗分类上的准确率八成取决于数据质量而不是网络有多深。常见做法是把数据集按 8:1:1 切成训练集、验证集、测试集每个类别一个文件夹。但很多人拿到源码后直接跑发现训练 loss 不降第一反应是模型有问题其实往往是图片尺寸不统一、通道数不一致或者标签对不上。猫狗图像识别项目里原始图片尺寸从几十像素到几千像素都有必须统一缩放到固定尺寸比如 224×224 或 128×128。缩放时保持长宽比还是直接拉伸会影响模型对物体形变的鲁棒性。我一般会先做一次数据探查统计图片数量、尺寸分布和损坏文件再决定预处理策略。import os from PIL import Image from collections import Counter def inspect_dataset(root_dir): 统计每个类别的图片数量、尺寸分布和损坏文件 stats {} for label in os.listdir(root_dir): label_dir os.path.join(root_dir, label) if not os.path.isdir(label_dir): continue sizes [] corrupt 0 for fname in os.listdir(label_dir): fpath os.path.join(label_dir, fname) try: with Image.open(fpath) as img: sizes.append(img.size) # (宽, 高) except Exception: corrupt 1 size_counter Counter(sizes) stats[label] { total: len(sizes) corrupt, corrupt: corrupt, top_sizes: size_counter.most_common(3) } return stats # 假设数据集根目录为 data/train下面有 cat 和 dog 两个子目录 result inspect_dataset(data/train) for label, info in result.items(): print(f{label}: 总数{info[total]}, 损坏{info[corrupt]}, 常见尺寸{info[top_sizes]})这段代码做的是数据体检。inspect_dataset遍历每个类别文件夹用 PIL 打开图片读取尺寸同时捕获异常统计损坏文件。Counter用来找出最常见的几种尺寸方便你决定统一缩放到哪个分辨率。参数上root_dir指向训练集根目录里面每个子文件夹名就是类别标签。如果损坏文件超过 1%建议先清理再训练否则训练过程中会随机报错浪费调试时间。2.2 用 Dataset 和 DataLoader 把预处理串起来PyTorch 的Dataset和DataLoader是猫狗分类项目里最稳的数据管道组合。Dataset负责单张图片的读取和变换DataLoader负责批处理、打乱和多进程加载。常见做法是在__getitem__里做 Resize、ToTensor 和 Normalize其中 Normalize 的均值和标准差用 ImageNet 的统计值[0.485, 0.456, 0.406]和[0.229, 0.224, 0.225]因为大多数预训练模型都是在这个分布上训练的。如果你从零训练也可以用自己数据集的均值和方差但差别通常不大。import torch from torch.utils.data import Dataset, DataLoader from torchvision import transforms from PIL import Image import os class CatDogDataset(Dataset): def __init__(self, root_dir, transformNone): self.root_dir root_dir self.transform transform self.samples [] # 约定 cat0, dog1 for label, cls in enumerate([cat, dog]): cls_dir os.path.join(root_dir, cls) if not os.path.isdir(cls_dir): continue for fname in os.listdir(cls_dir): if fname.lower().endswith((.jpg, .jpeg, .png)): self.samples.append((os.path.join(cls_dir, fname), label)) def __len__(self): return len(self.samples) def __getitem__(self, idx): fpath, label self.samples[idx] img Image.open(fpath).convert(RGB) # 强制三通道避免灰度图报错 if self.transform: img self.transform(img) return img, label # 训练集变换随机裁剪翻转增强泛化 train_tf transforms.Compose([ transforms.Resize((224, 224)), transforms.RandomHorizontalFlip(p0.5), transforms.RandomRotation(10), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) # 验证集只做 Resize 和归一化不做增强 val_tf transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) train_ds CatDogDataset(data/train, transformtrain_tf) val_ds CatDogDataset(data/val, transformval_tf) train_loader DataLoader(train_ds, batch_size32, shuffleTrue, num_workers4) val_loader DataLoader(val_ds, batch_size32, shuffleFalse, num_workers4)这里的关键参数是batch_size和num_workers。batch_size32是 224×224 输入下的常见起点显存不够就降到 16 或 8。num_workers4在 Linux 上能明显加快数据加载Windows 上如果报错就改成 0。convert(RGB)这行是血泪经验很多猫狗数据集里混着灰度图或 RGBA 图不转三通道会在卷积层直接崩掉。增强部分只对训练集做验证集保持原样否则评估指标会失真。3. 搭一个能打的 CNN 模型从三层卷积到迁移学习3.1 从零搭 CNN 的最小结构如果你的目标是理解 CNN 基本结构从零搭一个三层卷积网络就够了。结构是卷积 → ReLU → 池化重复三次然后展平接全连接层输出二分类。卷积核数量一般按 32、64、128 递增卷积核大小 3×3 是最通用的选择。池化用 2×2 最大池化每次把特征图尺寸减半。全连接层前加 Dropout 防止过拟合丢弃率 0.5 是常见值。import torch.nn as nn class SimpleCNN(nn.Module): def __init__(self, num_classes2): super().__init__() self.features nn.Sequential( # 输入 3×224×224 nn.Conv2d(3, 32, kernel_size3, padding1), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), # 32×112×112 nn.Conv2d(32, 64, kernel_size3, padding1), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), # 64×56×56 nn.Conv2d(64, 128, kernel_size3, padding1), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), # 128×28×28 ) self.classifier nn.Sequential( nn.Flatten(), nn.Linear(128 * 28 * 28, 256), nn.ReLU(inplaceTrue), nn.Dropout(0.5), nn.Linear(256, num_classes) ) def forward(self, x): x self.features(x) x self.classifier(x) return x model SimpleCNN(num_classes2) print(sum(p.numel() for p in model.parameters())) # 参数量约 2500 万这个模型参数量约 2500 万主要来自全连接层。padding1保证卷积后尺寸不变MaxPool2d(2)每次减半。inplaceTrue节省一点显存。如果你发现训练集准确率很高但验证集很低说明过拟合了可以加更多 Dropout 或做数据增强。这个结构在猫狗数据集上通常能到 80% 左右的验证准确率但训练时间比迁移学习长。3.2 迁移学习用 ResNet18 快速拿到 95% 准确率实际项目里我很少从零训练更常见的是用预训练模型做迁移学习。ResNet18 在 ImageNet 上预训练过特征提取能力已经很强只需要替换最后的全连接层冻结前面的卷积层只训练分类头几个 epoch 就能到 95% 以上。如果数据量够大也可以解冻后面几层做微调学习率设小一点比如 1e-4。import torchvision.models as models import torch.nn as nn import torch def build_resnet18(num_classes2, freeze_backboneTrue): model models.resnet18(weightsmodels.ResNet18_Weights.IMAGENET1K_V1) if freeze_backbone: for param in model.parameters(): param.requires_grad False # 替换最后的全连接层 in_features model.fc.in_features model.fc nn.Linear(in_features, num_classes) return model model build_resnet18(num_classes2, freeze_backboneTrue) # 只优化 fc 层参数 optimizer torch.optim.Adam(model.fc.parameters(), lr1e-3) criterion nn.CrossEntropyLoss()weightsmodels.ResNet18_Weights.IMAGENET1K_V1会下载官方预训练权重第一次运行需要联网。freeze_backboneTrue把卷积层参数冻结只训练最后的fc层这样训练快且不容易过拟合。优化器只传model.fc.parameters()学习率 1e-3 对分类头是安全的。损失函数用交叉熵二分类也适用。如果你要解冻微调把requires_grad设回 True学习率降到 1e-4 到 1e-5否则预训练权重会被大梯度破坏。3.3 训练循环里必须监控的三个指标训练循环不只是跑 epoch要盯住三个数训练 loss、验证 loss、验证准确率。训练 loss 下降但验证 loss 上升是过拟合的典型信号。验证准确率震荡大说明 batch size 太小或学习率太高。我一般会加一个学习率调度器比如StepLR每 7 个 epoch 降一次或者ReduceLROnPlateau根据验证 loss 自动降。def train_one_epoch(model, loader, optimizer, criterion, device): model.train() total_loss, correct, total 0, 0, 0 for imgs, labels in loader: imgs, labels imgs.to(device), labels.to(device) optimizer.zero_grad() outputs model(imgs) loss criterion(outputs, labels) loss.backward() optimizer.step() total_loss loss.item() * imgs.size(0) preds outputs.argmax(dim1) correct (preds labels).sum().item() total imgs.size(0) return total_loss / total, correct / total torch.no_grad() def evaluate(model, loader, criterion, device): model.eval() total_loss, correct, total 0, 0, 0 for imgs, labels in loader: imgs, labels imgs.to(device), labels.to(device) outputs model(imgs) loss criterion(outputs, labels) total_loss loss.item() * imgs.size(0) preds outputs.argmax(dim1) correct (preds labels).sum().item() total imgs.size(0) return total_loss / total, correct / total device torch.device(cuda if torch.cuda.is_available() else cpu) model model.to(device) scheduler torch.optim.lr_scheduler.StepLR(optimizer, step_size7, gamma0.1) for epoch in range(15): train_loss, train_acc train_one_epoch(model, train_loader, optimizer, criterion, device) val_loss, val_acc evaluate(model, val_loader, criterion, device) scheduler.step() print(fEpoch {epoch1}: train_loss{train_loss:.4f}, train_acc{train_acc:.4f}, fval_loss{val_loss:.4f}, val_acc{val_acc:.4f})model.train()和model.eval()切换会影响 Dropout 和 BatchNorm 的行为漏掉任何一个都会让结果异常。torch.no_grad()在验证时关闭梯度计算省显存。scheduler.step()每个 epoch 调一次StepLR每 7 个 epoch 把学习率乘 0.1。打印格式里保留四位小数方便观察 loss 的微小变化。如果验证准确率卡在某个值不动先检查数据标签有没有错再考虑调学习率。4. 猫狗分类项目避坑排查从环境到指标的 5 个翻车现场4.1 现象训练 loss 一直是 0.69 不降原因二分类交叉熵在模型输出接近随机时 loss 约等于 ln(2)0.693。如果一直卡在这个值通常是标签全被读成同一类或者全连接层输出被某个常数主导。检查CatDogDataset里label的赋值确认 cat 和 dog 文件夹都存在且非空。另一个可能是学习率太小梯度更新几乎无效。解决打印一个 batch 的标签分布确认两类都有把学习率从 1e-5 提到 1e-3 再试。4.2 现象验证准确率比训练准确率高很多原因这听起来反直觉但常见于 Dropout 和 BatchNorm 的组合。训练时 Dropout 随机丢弃神经元验证时全部启用相当于模型在验证时更完整。如果训练准确率明显低于验证准确率说明训练时正则化太强或者训练集增强太狠。解决把 Dropout 从 0.5 降到 0.3或者减少 RandomRotation 的角度。如果用的是预训练模型且冻结了骨干训练准确率低是正常的因为只有分类头在学。4.3 现象CUDA out of memory原因batch_size太大或者图片分辨率太高。224×224 的输入下ResNet18 用 batch_size32 大约占 2GB 显存。如果同时开了多个 DataLoader worker内存也会爆。解决先把 batch_size 降到 16 或 8再把num_workers降到 2。如果还不行把图片 Resize 到 128×128显存占用会降到四分之一。另外检查有没有在训练循环里累积了计算图比如忘了optimizer.zero_grad()。4.4 现象验证集准确率波动超过 5%原因验证集太小或者 batch size 太小导致 BatchNorm 统计量不稳定。猫狗分类项目里验证集至少要有 500 张图每个类别 250 张。如果验证集只有几十张准确率波动是正常的。解决从训练集里多切一点做验证或者用 K 折交叉验证。另一个办法是把验证集的 batch_size 调大比如 64让 BatchNorm 的统计更稳。4.5 现象预测时单张图片结果和验证集对不上原因预测时的预处理和验证集不一致。常见错误是预测时忘了 Normalize或者用了不同的 Resize 尺寸。验证集用 224×224预测时也要 224×224验证集用了 ImageNet 均值方差预测时也要用同一组。解决把验证集的val_tf单独保存成一个变量预测时直接复用不要重新写一遍。另外注意model.eval()和torch.no_grad()在预测时都要加上。5. 把模型推到可用单张预测、批量推理与准确率验证5.1 单张图片预测的完整封装训练完模型后最实用的功能是给一张图片返回类别和置信度。封装时把预处理、推理和 softmax 串起来注意复用验证集的变换。import torch.nn.functional as F from PIL import Image def predict_image(model, image_path, transform, device, class_names[cat, dog]): model.eval() img Image.open(image_path).convert(RGB) tensor transform(img).unsqueeze(0).to(device) # 增加 batch 维度 with torch.no_grad(): logits model(tensor) probs F.softmax(logits, dim1) conf, pred probs.max(dim1) return class_names[pred.item()], conf.item() # 复用验证集变换 label, confidence predict_image(model, test.jpg, val_tf, device) print(f预测{label}置信度{confidence:.4f})unsqueeze(0)把单张图的[3,224,224]变成[1,3,224,224]因为模型要求 batch 维度。F.softmax把 logits 转成概率max(dim1)同时拿到最大值和索引。class_names的顺序必须和训练时一致cat0、dog1反了结果就全错。置信度低于 0.6 时建议人工复核尤其是猫狗姿态相似或背景复杂的图。5.2 批量推理和准确率验证批量推理用来评估模型在测试集上的真实表现。把测试集所有图片跑一遍统计混淆矩阵和准确率比只看验证集更可靠。from sklearn.metrics import confusion_matrix, accuracy_score def batch_evaluate(model, loader, device): model.eval() all_preds, all_labels [], [] with torch.no_grad(): for imgs, labels in loader: imgs imgs.to(device) outputs model(imgs) preds outputs.argmax(dim1).cpu().numpy() all_preds.extend(preds) all_labels.extend(labels.numpy()) acc accuracy_score(all_labels, all_preds) cm confusion_matrix(all_labels, all_preds) return acc, cm acc, cm batch_evaluate(model, val_loader, device) print(f准确率{acc:.4f}) print(f混淆矩阵\n{cm})confusion_matrix返回 2×2 矩阵对角线是正确分类数非对角线是误判数。如果猫被误判成狗的数量远大于狗被误判成猫说明模型对猫的特征学得不够可以增加猫的样本或做类别加权。准确率只是参考实际业务里还要看召回率和精确率。我一般会把误判的图片路径保存下来人工看一遍往往能发现数据标注错误或难样本。5.3 一个提升准确率的具体技巧测试时增强测试时增强TTA是在预测时对同一张图做多次变换把结果平均能稳定提升 1 到 2 个百分点。常见做法是原图、水平翻转、轻微旋转各跑一次softmax 概率取平均。def predict_with_tta(model, image_path, device, class_names[cat, dog]): model.eval() img Image.open(image_path).convert(RGB) tta_transforms [ transforms.Compose([transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize([0.485,0.456,0.406],[0.229,0.224,0.225])]), transforms.Compose([transforms.Resize((224, 224)), transforms.RandomHorizontalFlip(p1.0), transforms.ToTensor(), transforms.Normalize([0.485,0.456,0.406],[0.229,0.224,0.225])]), transforms.Compose([transforms.Resize((224, 224)), transforms.RandomRotation(10), transforms.ToTensor(), transforms.Normalize([0.485,0.456,0.406],[0.229,0.224,0.225])]), ] probs_list [] with torch.no_grad(): for tf in tta_transforms: tensor tf(img).unsqueeze(0).to(device) probs F.softmax(model(tensor), dim1) probs_list.append(probs) avg_probs torch.mean(torch.stack(probs_list), dim0) conf, pred avg_probs.max(dim1) return class_names[pred.item()], conf.item()TTA 的代价是推理时间变成三倍适合对准确率要求高、延迟不敏感的场景。RandomHorizontalFlip(p1.0)在预测时强制翻转RandomRotation(10)做小角度旋转。三次结果取平均后置信度通常比单次更高。这个技巧在猫狗分类这种类内差异大的任务上效果明显尤其是猫的姿势多变时。我自己的习惯是训练完先跑一遍验证集如果准确率在 93% 到 96% 之间加 TTA 通常能推到 95% 以上。希望帮到你。本文还有配套的精品资源点击获取