基于 CNN 的猫狗分类实战

黄小耶@2025-12-14 11:32

目录

一、项目背景与环境准备

[1. 项目背景](#1. 项目背景)

[2. 环境准备](#2. 环境准备)

二、数据预处理与加载

[1. 数据预处理](#1. 数据预处理)

2、数据加载

三、搭建卷积神经网络模型

四、模型训练与评估

[1. 训练参数设置](#1. 训练参数设置)

[2. 训练与评估流程](#2. 训练与评估流程)

五、训练结果可视化

六、结果分析与优化方向

核心指标总结

七、完整代码

在计算机视觉领域，猫狗分类是经典的入门任务之一。本文将带大家从零开始，使用 PyTorch 框架搭建卷积神经网络（CNN），完成猫狗图像的二分类任务，并对训练过程中的损失和准确率进行可视化分析。

一、项目背景与环境准备

1. 项目背景

猫狗分类任务属于图像二分类问题，目标是让模型能够准确区分输入的图像是猫还是狗。该任务能够很好地帮助我们理解卷积神经网络的工作原理以及 PyTorch 的基本使用流程。

2. 环境准备

本次实战需要用到以下 Python 库：

  • torch：PyTorch 核心库，用于构建和训练神经网络

  • torchvision：提供图像预处理、数据集加载等功能

  • matplotlib：用于数据可视化

  • numpy：数值计算辅助库

可以通过以下命令安装所需库：

python 复制代码 
pip install torch torchvision matplotlib numpy

二、数据预处理与加载

1. 数据预处理

为了让图像数据能够适配神经网络的输入，我们需要对图像进行预处理：

  • 调整图像尺寸为 224×224（统一输入尺寸）

  • 转换为张量（PyTorch 的基本数据类型）

  • 归一化（使用 ImageNet 的均值和标准差，提升模型收敛速度）

python 复制代码 
from torchvision import transforms

# 定义数据预处理流程
data_transform = transforms.Compose([
    transforms.Resize((224, 224)),  # 调整图像尺寸
    transforms.ToTensor(),  # 转换为张量
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])  # 归一化
])

2、数据加载

使用 PyTorch 的ImageFolder和DataLoader加载数据集，实现批量读取和打乱数据：

python 复制代码 
from torch.utils.data import DataLoader
from torchvision import datasets

# 加载训练集和测试集
train_dataset = datasets.ImageFolder(root=r'E:\数据分析\数据集\cat_and_dog\train', transform=data_transform)
train_dataloader = DataLoader(train_dataset, batch_size=32, shuffle=True, drop_last=True)

test_dataset = datasets.ImageFolder(root=r'E:\数据分析\数据集\cat_and_dog\test', transform=data_transform)
test_dataloader = DataLoader(test_dataset, batch_size=32, shuffle=True, drop_last=True)

三、搭建卷积神经网络模型

本次搭建的 CNN 模型包含多个卷积层、池化层、全连接层，具体结构如下：

  • 卷积层：使用 3×3 的卷积核，逐步提升通道数（16→32→64→128→128→256）

  • 激活函数：ReLU，引入非线性特征

  • 池化层：最大池化，降低特征维度

  • 全连接层：将展平后的特征映射到分类结果（2 类：猫和狗）

  • Dropout 层：防止过拟合

python 复制代码 
import torch
from torch import nn

class Network(nn.Module):
    def __init__(self, input_dim):
        super(Network, self).__init__()
        self.model = nn.Sequential(
            # 卷积层1 + 池化层1
            nn.Conv2d(in_channels=input_dim, out_channels=16, kernel_size=(3, 3), stride=1, padding=2),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=(2, 2), stride=2),
            # 卷积层2 + 池化层2
            nn.Conv2d(in_channels=16, out_channels=32, kernel_size=(3, 3), stride=1, padding=2),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=(2, 2), stride=2),
            # 卷积层3 + 池化层3
            nn.Conv2d(in_channels=32, out_channels=64, kernel_size=(3, 3), stride=1, padding=0),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=(2, 2), stride=2),
            # 卷积层4 + 池化层4
            nn.Conv2d(in_channels=64, out_channels=128, kernel_size=(3, 3), stride=1, padding=0),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=(2, 2), stride=2),
            # 卷积层5 + 池化层5
            nn.Conv2d(in_channels=128, out_channels=128, kernel_size=(3, 3), stride=1, padding=0),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=(2, 2), stride=2),
            # 卷积层6 + 池化层6
            nn.Conv2d(in_channels=128, out_channels=256, kernel_size=(3, 3), stride=1, padding=0),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=(1, 1), stride=1),
            # 展平 + 全连接层
            nn.Flatten(),
            nn.Linear(in_features=2304, out_features=1024),
            nn.ReLU(),
            nn.Dropout(p=0.5),  # Dropout防止过拟合
            nn.Linear(in_features=1024, out_features=2)  # 二分类输出
        )

    def forward(self, x):
        return self.model(x)

四、模型训练与评估

1. 训练参数设置

python 复制代码 
from torch import optim, device, cuda

# 设备选择：优先使用GPU
device = device('cuda' if cuda.is_available() else 'cpu')
# 初始化模型
network = Network(input_dim=3).to(device)  # input_dim=3表示RGB三通道图像
# 损失函数：交叉熵损失（适用于分类任务）
loss_fun = nn.CrossEntropyLoss()
# 优化器：Adam优化器
optimizer = optim.Adam(params=network.parameters(), lr=1e-3)
# 训练轮数
epochs = 20

2. 训练与评估流程

训练过程中，我们会交替进行训练和测试，记录每一轮的损失和准确率：

python 复制代码 
# 初始化列表，用于存储训练过程中的指标
train_loss_list = []
train_acc_list = []
test_loss_list = []
test_acc_list = []

for epoch in range(epochs):
    # 训练模式
    network.train()
    total_train_loss = 0.0
    train_correct = 0
    train_total = 0

    for train_x, train_y in train_dataloader:
        train_x, train_y = train_x.to(device), train_y.to(device)
        # 前向传播
        pred_y = network(train_x)
        loss = loss_fun(pred_y, train_y)
        # 反向传播与优化
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()
        # 记录损失
        total_train_loss += loss.item()
        # 计算准确率
        _, pred_label = torch.max(pred_y, dim=1)
        train_correct += (pred_label == train_y).sum().item()
        train_total += train_y.size(0)

    # 测试模式（关闭梯度计算，提升速度）
    network.eval()
    total_test_loss = 0.0
    test_correct = 0
    test_total = 0

    with torch.no_grad():
        for test_x, test_y in test_dataloader:
            test_x, test_y = test_x.to(device), test_y.to(device)
            pred_y = network(test_x)
            loss = loss_fun(pred_y, test_y)
            total_test_loss += loss.item()
            # 计算准确率
            _, pred_label = torch.max(pred_y, dim=1)
            test_correct += (pred_label == test_y).sum().item()
            test_total += test_y.size(0)

    # 计算平均损失和准确率
    avg_train_loss = total_train_loss / len(train_dataloader)
    train_acc = train_correct / train_total
    avg_test_loss = total_test_loss / len(test_dataloader)
    test_acc = test_correct / test_total

    # 存储指标
    train_loss_list.append(avg_train_loss)
    train_acc_list.append(train_acc)
    test_loss_list.append(avg_test_loss)
    test_acc_list.append(test_acc)

    # 打印训练信息
    print(
        f'第{epoch + 1}轮训练：训练损失：{avg_train_loss:.4f} 训练准确率：{train_acc:.2%} 测试损失：{avg_test_loss:.4f} 测试准确率：{test_acc:.2%}')

五、训练结果可视化

使用 matplotlib 将训练过程中的损失和准确率变化趋势可视化：

python 复制代码 
import matplotlib.pyplot as plt
import numpy as np

# 设置中文显示
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 绘制可视化图表
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(14, 6))
# 损失变化趋势
ax1.plot(range(1, epochs + 1), train_loss_list, label='训练损失', marker='o', markersize=4, linewidth=2)
ax1.plot(range(1, epochs + 1), test_loss_list, label='测试损失', marker='s', markersize=4, linewidth=2)
ax1.set_title('训练/测试损失变化趋势')
ax1.set_xlabel('训练轮数')
ax1.set_ylabel('损失值')
ax1.legend()
ax1.grid(True, alpha=0.3)
ax1.set_xlim(1, epochs)
# 准确率变化趋势
ax2.plot(range(1, epochs + 1), [acc * 100 for acc in train_acc_list], label='训练准确率', marker='o', markersize=4,
         linewidth=2)
ax2.plot(range(1, epochs + 1), [acc * 100 for acc in test_acc_list], label='测试准确率', marker='s', markersize=4,
         linewidth=2)
ax2.set_title('训练/测试准确率变化趋势')
ax2.set_xlabel('训练轮数')
ax2.set_ylabel('准确率(%)')
ax2.legend()
ax2.grid(True, alpha=0.3)
ax2.set_xlim(1, epochs)
ax2.set_ylim(0, 100)
# 保存并显示图像
plt.tight_layout()
plt.savefig('cat_dog_training_metrics.png', dpi=300, bbox_inches='tight')
plt.show()

# 打印最终结果
print(f'\n最终训练准确率：{train_acc_list[-1]:.2%}')
print(f'最终测试准确率：{test_acc_list[-1]:.2%}')
print(f'最终训练损失：{train_loss_list[-1]:.4f}')
print(f'最终测试损失：{test_loss_list[-1]:.4f}')

六、结果分析与优化方向

核心指标总结

  • 最终训练准确率：98.78%（模型在训练集上几乎完美拟合）

  • 最终测试准确率：81.60%（模型泛化能力不足）

  • 训练损失趋势：从 0.6834 持续下降至 0.0360，下降趋势明显

  • 测试损失趋势：前 10 轮小幅下降（0.6548→0.4189），10 轮后持续上升（0.4189→1.0155）

  1. 过拟合的典型特征

  • 训练集表现：损失持续降低，准确率接近 100%，说明模型完全记住了训练集的特征。

  • 测试集表现：前 10 轮测试损失下降、准确率上升（模型正常学习）；10 轮后测试损失骤升、准确率波动下降（模型开始学习训练集的噪声和冗余特征，对新数据的适配能力下降）。

  1. 过拟合产生的原因

结合模型结构和训练流程，过拟合的主要原因有以下几点：

  1. 模型复杂度较高：搭建的 CNN 包含 6 层卷积层和 2 层全连接层，参数数量较多，容易对训练集过度拟合。

  2. 缺乏数据增强：仅对图像进行了尺寸调整和归一化，没有增加数据的多样性，模型容易记住有限的训练样本。

  3. 正则化手段单一：仅使用了 Dropout（p=0.5），正则化强度不足，无法有效抑制过拟合。

  4. 学习率固定：全程使用 1e-3 的学习率，后期学习率过高，导致模型在训练集上震荡拟合，加剧过拟合。

七、完整代码

python 复制代码 
from torch import nn, optim, device, cuda
from torch.utils.data import DataLoader
from torchvision import transforms, datasets
import torch
import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

data_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])
])
train_dataset = datasets.ImageFolder(root=r'E:\数据分析\数据集\cat_and_dog\train', transform=data_transform)
train_dataloader = DataLoader(train_dataset, batch_size=32, shuffle=True, drop_last=True)

test_dataset = datasets.ImageFolder(root=r'E:\数据分析\数据集\cat_and_dog\test', transform=data_transform)
test_dataloader = DataLoader(test_dataset, batch_size=32, shuffle=True, drop_last=True)


class Network(nn.Module):
    def __init__(self, input_dim):
        super(Network, self).__init__()
        self.model = nn.Sequential(
            nn.Conv2d(in_channels=input_dim, out_channels=16, kernel_size=(3, 3), stride=1, padding=2),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=(2, 2), stride=2),
            nn.Conv2d(in_channels=16, out_channels=32, kernel_size=(3, 3), stride=1, padding=2),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=(2, 2), stride=2),
            nn.Conv2d(in_channels=32, out_channels=64, kernel_size=(3, 3), stride=1, padding=0),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=(2, 2), stride=2),
            nn.Conv2d(in_channels=64, out_channels=128, kernel_size=(3, 3), stride=1, padding=0),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=(2, 2), stride=2),
            nn.Conv2d(in_channels=128, out_channels=128, kernel_size=(3, 3), stride=1, padding=0),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=(2, 2), stride=2),
            nn.Conv2d(in_channels=128, out_channels=256, kernel_size=(3, 3), stride=1, padding=0),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=(1, 1), stride=1),
            nn.Flatten(),
            nn.Linear(in_features=2304, out_features=1024),
            nn.ReLU(),
            nn.Dropout(p=0.5),
            nn.Linear(in_features=1024, out_features=2)
        )

    def forward(self, x):
        return self.model(x)


epochs = 20
device = device('cuda' if cuda.is_available() else 'cpu')
network = Network(input_dim=3).to(device)
loss_fun = nn.CrossEntropyLoss()
optimzer = optim.Adam(params=network.parameters(), lr=1e-3)

# 初始化列表，用于存储训练过程中的指标
train_loss_list = []
train_acc_list = []
test_loss_list = []
test_acc_list = []

for epoch in range(epochs):
    network.train()
    total_train_loss = 0.0
    train_correct = 0
    train_total = 0
    for train_x, train_y in train_dataloader:
        train_x, train_y = train_x.to(device), train_y.to(device)
        pred_y = network(train_x)
        loss = loss_fun(pred_y, train_y)
        optimzer.zero_grad()
        loss.backward()
        optimzer.step()
        total_train_loss += loss.item()

        _, pred_label = torch.max(pred_y, dim=1)
        train_correct += (pred_label == train_y).sum().item()
        train_total += train_y.size(0)

    network.eval()
    total_test_loss = 0.0
    test_correct = 0
    test_total = 0
    with torch.no_grad():
        for test_x, test_y in test_dataloader:
            test_x, test_y = test_x.to(device), test_y.to(device)
            pred_y = network(test_x)
            loss = loss_fun(pred_y, test_y)
            total_test_loss += loss.item()

            _, pred_label = torch.max(pred_y, dim=1)
            test_correct += (pred_label == test_y).sum().item()
            test_total += test_y.size(0)

    avg_train_loss = total_train_loss / len(train_dataloader)
    train_acc = train_correct / train_total
    avg_test_loss = total_test_loss / len(test_dataloader)
    test_acc = test_correct / test_total

    train_loss_list.append(avg_train_loss)
    train_acc_list.append(train_acc)
    test_loss_list.append(avg_test_loss)
    test_acc_list.append(test_acc)

    print(
        f'第{epoch + 1}轮训练：训练损失：{avg_train_loss:.4f} 训练准确率：{train_acc:.2%} 测试损失：{avg_test_loss:.4f} 测试准确率：{test_acc:.2%}')

# 绘制可视化图表
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(14, 6))
ax1.plot(range(1, epochs + 1), train_loss_list, label='训练损失', marker='o', markersize=4, linewidth=2)
ax1.plot(range(1, epochs + 1), test_loss_list, label='测试损失', marker='s', markersize=4, linewidth=2)
ax1.set_title('训练/测试损失变化趋势')
ax1.set_xlabel('训练轮数')
ax1.set_ylabel('损失值')
ax1.legend()
ax1.grid(True, alpha=0.3)
ax1.set_xlim(1, epochs)
ax2.plot(range(1, epochs + 1), [acc * 100 for acc in train_acc_list], label='训练准确率', marker='o', markersize=4,
         linewidth=2)
ax2.plot(range(1, epochs + 1), [acc * 100 for acc in test_acc_list], label='测试准确率', marker='s', markersize=4,
         linewidth=2)
ax2.set_title('训练/测试准确率变化趋势')
ax2.set_xlabel('训练轮数')
ax2.set_ylabel('准确率(%)')
ax2.legend()
ax2.grid(True, alpha=0.3)
ax2.set_xlim(1, epochs)
ax2.set_ylim(0, 100)
plt.tight_layout()
plt.savefig('cat_dog_training_metrics.png', dpi=300, bbox_inches='tight')
plt.show()

print(f'\n最终训练准确率：{train_acc_list[-1]:.2%}')
print(f'最终测试准确率：{test_acc_list[-1]:.2%}')
print(f'最终训练损失：{train_loss_list[-1]:.4f}')
print(f'最终测试损失：{test_loss_list[-1]:.4f}')
相关推荐
king王一帅31 分钟前
Incremark Solid 版本上线：Vue/React/Svelte/Solid 四大框架，统一体验
前端·javascript·人工智能
泰迪智能科技3 小时前
分享|职业技术培训|数字技术应用工程师快问快答
人工智能
Dxy12393102165 小时前
如何给AI提问：让机器高效理解你的需求
人工智能
少林码僧5 小时前
2.31 机器学习神器项目实战：如何在真实项目中应用XGBoost等算法
人工智能·python·算法·机器学习·ai·数据挖掘
钱彬 (Qian Bin)5 小时前
项目实践15—全球证件智能识别系统（切换为Qwen3-VL-8B-Instruct图文多模态大模型）
人工智能·算法·机器学习·多模态·全球证件识别
没学上了5 小时前
CNNMNIST
人工智能·深度学习
宝贝儿好5 小时前
【强化学习】第六章：无模型控制：在轨MC控制、在轨时序差分学习(Sarsa)、离轨学习(Q-learning)
人工智能·python·深度学习·学习·机器学习·机器人
智驱力人工智能6 小时前
守护流动的规则 基于视觉分析的穿越导流线区检测技术工程实践 交通路口导流区穿越实时预警技术 智慧交通部署指南
人工智能·opencv·安全·目标检测·计算机视觉·cnn·边缘计算
AI产品备案6 小时前
生成式人工智能大模型备案制度与发展要求
人工智能·深度学习·大模型备案·算法备案·大模型登记
AC赳赳老秦6 小时前
DeepSeek 私有化部署避坑指南：敏感数据本地化处理与合规性检测详解
大数据·开发语言·数据库·人工智能·自动化·php·deepseek
热门推荐
01GitHub 镜像站点02Labelme从安装到标注：零基础完整指南03安娜的档案(Anna’s Archive) 镜像网站/国内最新可访问入口（持续更新）04Linux下V2Ray安装配置指南05jdk21下载、安装（Windows、Linux、macOS）062025-04-03 Latex学习1——本地配置Latex + VScode环境07【踩坑笔记】50系显卡适配的 PyTorch 安装08Opencode CLI 安装成功,但是启动失败09UV安装并设置国内源10全球最强模型Grok4，国内已可免费使用！（附教程）