第77课：实战：图像分类（CNN）完整项目

学习目标

完成本课学习后，你将能够：

理解卷积神经网络（CNN）处理图像数据的基本原理。
熟练使用TensorFlow/Keras构建一个完整的CNN模型。
掌握图像数据预处理（归一化、标签编码）的关键步骤。
完成一个从数据加载、模型训练到评估和可视化的完整项目流程。
学会分析模型性能，并初步应用优化技巧。

核心概念

什么是CNN？

想象一下，你看一张猫的照片。你的大脑首先会注意到它的尖耳朵、胡须和毛茸茸的轮廓，然后把这些局部特征组合起来，判断出这是一只猫。卷积神经网络（CNN） 的工作原理与此类似。

它主要由以下几层组成：

卷积层（Convolutional Layer）：像一个扫描仪，在图像上滑动一个小窗口（称为“滤波器”或“核”），提取局部特征（如边缘、纹理）。
池化层（Pooling Layer）：像一个简化器，对特征图进行下采样（例如，取2x2区域内的最大值），减少数据量，同时保留最重要的特征。
全连接层（Fully Connected Layer）：在提取并简化特征后，将所有特征“铺平”，连接到一个传统的神经网络，用于最终的分类决策。

机器学习流水线

一个完整的项目遵循标准流水线：数据获取 -> 数据预处理 -> 模型构建 -> 模型训练 -> 模型评估与调优。

代码示例

我们将使用经典的CIFAR-10数据集（包含飞机、汽车、鸟等10个类别的6万张小图片），构建一个CNN分类器。

# 导入必要的库
import tensorflow as tf
from tensorflow.keras import datasets, layers, models
import matplotlib.pyplot as plt

# 1. 数据加载与预处理
# 加载CIFAR-10数据集（Keras内置）
(train_images, train_labels), (test_images, test_labels) = datasets.cifar10.load_data()

# 数据归一化：将像素值从[0, 255]缩放到[0, 1]之间，有助于模型稳定训练
train_images, test_images = train_images / 255.0, test_images / 255.0

# 查看数据形状
print("训练图像形状:", train_images.shape) # (50000, 32, 32, 3)
print("训练标签形状:", train_labels.shape) # (50000, 1)

# 2. 构建CNN模型
model = models.Sequential([
    # 第一个卷积块：提取基本特征
    layers.Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3)),
    layers.MaxPooling2D((2, 2)), # 池化，尺寸减半 -> (16, 16)

    # 第二个卷积块：提取更复杂的特征
    layers.Conv2D(64, (3, 3), activation='relu'),
    layers.MaxPooling2D((2, 2)), # -> (8, 8)

    # 第三个卷积块
    layers.Conv2D(64, (3, 3), activation='relu'),
    # 此时特征图尺寸为 (6, 6, 64)

    # 将多维特征图展平，以便输入全连接层
    layers.Flatten(),

    # 全连接层：进行分类决策
    layers.Dense(64, activation='relu'), # 隐藏层
    layers.Dense(10) # 输出层，10个类别，不加激活函数
])

# 打印模型结构摘要
model.summary()

# 3. 编译模型
model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=['accuracy'])

# 4. 训练模型
history = model.fit(train_images, train_labels, epochs=10,
                    validation_data=(test_images, test_labels))

# 5. 评估模型
test_loss, test_acc = model.evaluate(test_images, test_labels, verbose=2)
print(f"\n测试集准确率: {test_acc*100:.2f}%")

# 6. 可视化训练过程
plt.figure(figsize=(10, 4))
plt.subplot(1, 2, 1)
plt.plot(history.history['accuracy'], label='训练准确率')
plt.plot(history.history['val_accuracy'], label='验证准确率')
plt.xlabel('Epoch')
plt.ylabel('准确率')
plt.legend()
plt.grid(True)

plt.subplot(1, 2, 2)
plt.plot(history.history['loss'], label='训练损失')
plt.plot(history.history['val_loss'], label='验证损失')
plt.xlabel('Epoch')
plt.ylabel('损失')
plt.legend()
plt.grid(True)
plt.tight_layout()
plt.show()

# 7. 进行预测（示例）
predictions = model.predict(test_images[:5])
predicted_classes = tf.argmax(predictions, axis=1)

# 类别名称
class_names = ['飞机', '汽车', '鸟', '猫', '鹿', '狗', '青蛙', '马', '船', '卡车']

for i in range(5):
    print(f"真实标签: {class_names[test_labels[i][0]]}, 预测标签: {class_names[predicted_classes[i]]}")

实践练习

练习1：基础巩固

修改上述代码中的模型结构，将第一个卷积层的滤波器数量从32改为64。观察模型参数量和训练结果的变化。

练习2：早停法应用

使用tf.keras.callbacks.EarlyStopping回调函数来监控验证集损失（val_loss），当验证损失连续3个epoch不再下降时，提前停止训练。请将此集成到模型训练流程中。

练习3：挑战提升（选做）

尝试构建一个更深或使用不同技巧（如Dropout层）的模型，目标是在CIFAR-10测试集上将准确率提升到75%以上。提示：Dropout层可以放在Flatten层之后、Dense层之前，用于防止过拟合。

常见错误

忘记数据归一化：像素值范围是0-255，直接输入模型会导致训练不稳定、收敛缓慢。务必将其除以255.0。
模型过于简单或复杂：对于CIFAR-10，上面代码的结构是一个不错的起点。模型太简单（层数太少）会导致欠拟合，准确率上不去；太复杂则容易过拟合，在训练集上表现很好，测试集上表现差。
不理解模型输出与损失函数：输出层没有使用softmax激活函数，因此我们在损失函数中设置from_logits=True，让损失函数内部处理。或者，你可以在最后一层加上softmax，并使用普通的sparse_categorical_crossentropy。
忽略验证集的作用：训练过程中只看训练准确率是危险的。一定要使用validation_data监控验证集表现，这是发现过拟合的关键。
输出层神经元数量错误：最后一个Dense层的神经元数量必须等于你的类别数（这里是10）。

小结

本节课，我们完成了一个完整的CNN图像分类项目：

数据层面：加载了CIFAR-10数据集，并进行了关键的归一化预处理。
模型层面：构建了一个典型的“卷积-池化”堆叠的CNN架构，理解了每一层的作用。
流程层面：实践了编译、训练、评估和可视化的标准机器学习项目流程。
核心概念：CNN通过逐层抽象，从原始像素中学习到有判别力的高级特征，这是其处理图像等网格状数据的威力所在。

掌握这个项目，你就拥有了用深度学习解决图像问题的基本蓝图。下一课，我们将转向另一个经典领域——自然语言处理（NLP），看看如何处理文本数据。

练习编辑器

rust