简介面向计算机视觉课程设计、期末大作业与毕业设计的完整实践项目基于 Python 和 CNN 实现花卉图像识别源码经导师指导并获评 99 分代码可直接运行适合需要快速交付成果的高校学生和项目实战学习者。资源以 zip 压缩包交付共 13 个文件、10.82MB。其中 6 个 Python 脚本按功能拆分数据读取、模型定义、训练验证和 GUI 界面展示等模块可直接替换数据集或调整网络结构YAML 与 TXT 文件用于恢复依赖环境DOCX 与 PPTX 是配好的设计报告和答辩幻灯片RAR 归档为输入数据压缩包另有 .gitignore 与 Markdown 说明文件整体覆盖从环境配置到项目汇报的完整链路。目前已有 147 人学习浏览实际验证了项目可复现性。对入门深度学习的读者来说这份资源能直观展现 CNN 图像分类的完整流程并可当作课程设计或期末大作业的高分参考模板减少环境配置与调参排错的时间成本。1. 从「跑通模型」到「交付一门大作业」差的是整套工程闭环「Python基于CNN的花卉图像识别」是计算机视觉课程里出现频率最高的一类大作业任务明确、数据可得、模型成熟但真正拉开分数差距的从来不是谁把准确率从 92% 调到 93%而是谁能把数据、模型、训练、评估和设计报告完整地串成一条可复现、可解释的链路。标题里的「源码模型设计报告及资料」其实已经暗示了老师的验收维度——光有准确率不够你得能说清楚每一层卷积在干什么、为什么用迁移学习、损失曲线里每个拐点意味着什么。这篇文章就按我自己做这类大作业的完整路径来讲从数据集预处理开始到 CNN 模型结构选型再到训练参数调节与曲线诊断最后落到评估指标和设计报告的写法。全程使用 Python 和 PyTorch给出的代码可以直接抄进你的工程里改改跑通同时把每个参数背后的理由讲透这样报告里的「技术分析」部分你也有东西可写。2. 花卉数据集的选型、预处理与数据增强2.1 公开花卉数据集怎么选做花卉图像识别首选是 Oxford 102 Flower Dataset一共 102 个类别、8189 张图像每类大约 40 到 80 张。另一个常见选择是 17 Category Flower Dataset类别少、每类 80 张适合快速验证流程。这类数据集的标注形式通常是「每个类别一个文件夹」图片是按类别存放的 JPEG 文件PyTorch 的torchvision.datasets.ImageFolder可以直接读取不需要手写复杂的标注解析。如果你所在学校要求自采数据注意两点一是每类图片数量尽量均衡别让某个类别只有 10 张而另一个有 100 张分类器对样本多的类别会有天然偏向二是图片尺寸要统一处理手机拍的图分辨率差距很大统一缩放到 256×256 再随机裁剪到 224×224能让训练更稳定。数据划分上我一般按 7:2:1 切训练集、验证集、测试集并且用随机种子固定划分方式保证实验可复现——这也方便在设计报告里交代清楚数据来源和分配比例。数据规模方面想强调一点每类只有几十张图的场景下数据增强对最终准确率的影响比换一个更大的骨干网络更明显。先别急着上 EfficientNet把增强做好ResNet18 就能在 Oxford 102 上跑出 90% 以上的 Top-1 准确率。2.2 预处理与增强的参数配置训练集和验证集必须使用不同的预处理流程这是大作业报告里经常被忽略、但对结果影响很大的细节# 训练集数据增强 归一化 train_transform transforms.Compose([ transforms.RandomResizedCrop(224, scale(0.7, 1.0)), transforms.RandomHorizontalFlip(), transforms.RandomRotation(15), transforms.ColorJitter(brightness0.3, contrast0.3, saturation0.3), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) # 验证集/测试集只做缩放、中心裁剪和归一化 val_transform transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ])代码里的Normalize用的是 ImageNet 数据集的均值方差原因是后面要加载在 ImageNet 上预训练的权重输入分布必须对齐。RandomResizedCrop的scale(0.7, 1.0)控制裁剪面积占原图的比例值设太小会让花朵主体不完整RandomRotation(15)控制在 ±15 度内旋转花卉图片不像数字识别可以随便转 90 度转太多会产生不符合自然分布的样本。增强的本质是扩大训练样本分布覆盖范围抑制过拟合。对花卉场景水平翻转和随机裁剪基本是必选的颜色抖动对花色丰富的数据集特别有效——因为同一种花在不同光照下颜色差异本来就大。要注意验证集绝不能用增强变换否则训练曲线和真实分布之间会出现偏差你看到的验证准确率会比实际部署时虚高。2.3 Dataset 与 DataLoader 的工程实现将划分好的图片目录喂给ImageFolder后还需要考虑 DataLoader 的并发参数。在 GPU 训练时数据加载速度必须跟得上 GPU 的计算速度否则 GPU 利用率会一直很低表现为训练时显存占用高但nvidia-smi里的利用率不稳定。from torch.utils.data import DataLoader from torchvision import datasets train_dataset datasets.ImageFolder(rootdata/train, transformtrain_transform) val_dataset datasets.ImageFolder(rootdata/val, transformval_transform) train_loader DataLoader( train_dataset, batch_size32, shuffleTrue, num_workers4, pin_memoryTrue, drop_lastTrue ) val_loader DataLoader( val_dataset, batch_size64, shuffleFalse, num_workers4, pin_memoryTrue ) print(f训练集样本数: {len(train_dataset)}, 类别数: {len(train_dataset.classes)})这里batch_size32是 ResNet18 在 8GB 显存条件下比较稳妥的取值如果你的显卡只有 4GB可以降到 16num_workers4开启 4 个子进程做数据加载在 Windows 上如果报BrokenPipeError改成 0 或 2 试试pin_memoryTrue锁页内存能加快 CPU 到 GPU 的拷贝速度。drop_lastTrue在训练集样本数不能被 batch_size 整除时丢弃最后一批保证每个 batch 形状一致——这小参数能避免在 BN 层统计时踩到 batch size 过小的坑。3. CNN 结构图背后的模型设计逻辑与迁移学习3.1 从 CNN 结构图看懂卷积层在做什么关于 CNN我建议先不用急着追最新的图像识别模型先把经典结构吃透。一个花卉分类网络通常遵循「卷积层提特征 全连接层做分类」的结构卷积核在图像上滑动每个卷积核学一种局部模式——花瓣的边缘、纹理、颜色块池化层如最大池化压缩特征图尺寸把位置信息换成平移不变性激活函数ReLU引入非线性。网络越深感受野越大浅层学边缘、中层学纹理、深层学花瓣和花蕊的组合结构。以 ResNet18 为例它的结构图可以简化为四个 stage每个 stage 由若干 BasicBlock 组成特征图尺寸从 56×56 一路降到 7×7通道数从 64 倍增到 512。这种「分辨率减半、通道数翻倍」的设计目的一方面是控制计算量另一方面是让深层网络有足够的通道来表达更复杂的语义特征。最后一个全局平均池化把 512×7×7 的特征图压成长度为 512 的向量再接全连接层输出 102 个类别的 logits。手写一个简化的三卷积层 CNN 也要遵循这个规律这是大作业里「自定义网络」部分的好素材import torch.nn as nn class SimpleCNN(nn.Module): def __init__(self, num_classes102): super().__init__() self.features nn.Sequential( nn.Conv2d(3, 32, kernel_size3, padding1), # 3→32通道 nn.BatchNorm2d(32), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), # 112×112 nn.Conv2d(32, 64, kernel_size3, padding1), # 32→64通道 nn.BatchNorm2d(64), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), # 56×56 nn.Conv2d(64, 128, kernel_size3, padding1), # 64→128通道 nn.BatchNorm2d(128), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), # 28×28 ) self.classifier nn.Sequential( nn.AdaptiveAvgPool2d(1), nn.Flatten(), nn.Linear(128, num_classes) ) def forward(self, x): return self.classifier(self.features(x))这段代码演示了 CNN 结构图里每个层在代码中怎么落位每个卷积后接BatchNorm2d和ReLU再做池化这是当前比较标准的卷积块写法。padding1保证卷积不改变特征图尺寸池化负责缩小。AdaptiveAvgPool2d(1)的好处是无论输入尺寸如何输出都是 1×1全连接层输入维度固定——这样换输入分辨率时不用改模型代码。此网络参数量约 70 万训练速度很快适合作为对比实验中的「基线模型」用来衬托迁移学习的效果。3.2 选型对比从零训练还是迁移学习花卉识别大作业面临一个典型的工程选择从头训练一个 CNN还是加载在 ImageNet 上预训练好的模型再微调方案适用场景训练时间1080Ti预期准确率Oxford 102自建 3 层 CNN 从零训练理解卷积原理 / 对比实验约 20 分钟70%80%ResNet18 从零训练没有预训练权重且数据量很大约 1 小时80% 左右ResNet18 迁移学习小数据集最推荐约 30 分钟90% 以上对训练样本每类不到 100 张的花卉数据集从零训练 CNN 非常容易过拟合。迁移学习相当于把模型在 ImageNet 上学会的纹理、边缘、形状等通用特征「搬运」过来只需要在花的具体特征上做微调。从优化角度看预训练权重提供了一个非常靠近最优解的初始化点梯度下降只需要走一小段路就能收敛所以收敛快、最终精度高。3.3 迁移学习模型代码与冻结策略加载预训练模型并替换最后的全连接层是标准操作关键在于特征层是否冻结import torchvision.models as models def get_resnet18(num_classes102, freeze_backboneTrue): model models.resnet18(weightsmodels.ResNet18_Weights.IMAGENET1K_V1) # 替换最后一层全连接输出改为花卉类别数 in_features model.fc.in_features model.fc nn.Linear(in_features, num_classes) if freeze_backbone: for param in model.parameters(): param.requires_grad False # 只让全连接层可训练 for param in model.fc.parameters(): param.requires_grad True return modelfreeze_backboneTrue时骨干网络的卷积层参数全部固定只训练新加的 fc 层。这适合先跑通流程、快速验证数据和预处理是否没问题。如果准确率卡在 85% 上下再把freeze_backbone改为False用较小的学习率对整个网络微调一般能再涨 3 到 5 个点。weightsmodels.ResNet18_Weights.IMAGENET1K_V1是新版 torchvision 的推荐写法旧代码里的pretrainedTrue在新版本会报警告设计报告里建议写清你用的是哪一种加载方式。要注意 PyTorch 2.x 的 torchvision 里ResNet18_Weights.IMAGENET1K_V1与V2在预处理要求上有细微差别但使用 2.2 节给的 ImageNet mean/std 不会有问题因为差别体现在缩放策略而非归一化参数上。4. 训练代码、损失曲线诊断与超参数调节4.1 优化器选型与学习率设置花卉识别大作业中优化器最常见的两种选择是 Adam 和 SGD Momentum二者在实践中的差异值得在报告里重点写。优化器初始学习率收敛速度最终精度适用阶段Adam1e-3快较高快速验证流程SGD Momentum(0.9)1e-2微调用 1e-3慢高最终精调Adam 自适应调整每个参数的学习率前期收敛快适合先跑通流程但有不少实验表明SGD 配合适当的学习率调度在图像分类任务上反而能收敛到更平坦的极小值泛化更好。我的做法是阶段一用 Adam 以 1e-3 跑 10 个 epoch 确定模型结构没问题阶段二换 SGD初始学习率 1e-2训练 30 个 epoch 后看曲线决定是否继续。如果你不想分阶段直接 Adam 配ReduceLROnPlateau也能拿到相当好的结果。4.2 完整训练循环与模型保存训练代码的核心在于「训练 验证交替」的结构以及「按验证准确率保存最优模型」的机制import torch import torch.nn as nn device torch.device(cuda if torch.cuda.is_available() else cpu) model get_resnet18(num_classes102, freeze_backboneTrue).to(device) criterion nn.CrossEntropyLoss() optimizer torch.optim.Adam(model.fc.parameters(), lr1e-3) scheduler torch.optim.lr_scheduler.ReduceLROnPlateau( optimizer, modemax, factor0.5, patience3, verboseTrue ) best_acc 0.0 num_epochs 20 for epoch in range(num_epochs): # ---------- 训练阶段 ---------- model.train() train_loss 0.0 correct 0 total 0 for inputs, labels in train_loader: inputs, labels inputs.to(device), labels.to(device) optimizer.zero_grad() outputs model(inputs) loss criterion(outputs, labels) loss.backward() optimizer.step() train_loss loss.item() * inputs.size(0) _, predicted torch.max(outputs, 1) total labels.size(0) correct (predicted labels).sum().item() avg_train_loss train_loss / total train_acc 100.0 * correct / total # ---------- 验证阶段 ---------- model.eval() val_correct 0 val_total 0 val_loss 0.0 with torch.no_grad(): for inputs, labels in val_loader: inputs, labels inputs.to(device), labels.to(device) outputs model(inputs) loss criterion(outputs, labels) val_loss loss.item() * inputs.size(0) _, predicted torch.max(outputs, 1) val_total labels.size(0) val_correct (predicted labels).sum().item() avg_val_loss val_loss / val_total val_acc 100.0 * val_correct / val_total scheduler.step(val_acc) # 保存验证集上表现最好的模型 if val_acc best_acc: best_acc val_acc torch.save({ epoch: epoch, model_state_dict: model.state_dict(), optimizer_state_dict: optimizer.state_dict(), val_acc: val_acc, num_classes: 102 }, best_model.pth) print(fEpoch {epoch1:03d} | fTrain Loss {avg_train_loss:.4f} | Train Acc {train_acc:.2f}% | fVal Loss {avg_val_loss:.4f} | Val Acc {val_acc:.2f}%)代码里有几个细节值得在报告里展开optimizer.zero_grad()必须在每个 batch 前清空梯度否则梯度会在 batch 间累加model.train()和model.eval()切换 BN 层的运行状态训练时 BN 用当前 batch 的统计量验证时用训练阶段累积的全局统计量——只写了model.eval()忘了切回model.train()是新手最常见的 bug会导致Dropout和BN行为错乱torch.save不只存模型权重还存 epoch 数和优化器状态这样中断训练后可以断点续训。ReduceLROnPlateau的modemax表示监控验证准确率连续 3 个 epoch 没有刷新最佳值就把学习率乘以 0.5。这个策略非常稳也容易在报告里写清楚——「当验证集指标陷入平台期时缩小学习率有助于在更细的尺度上继续搜索」。4.3 损失曲线诊断训练完成后用 matplotlib 画出两条曲线:训练 Loss / 验证 Loss以及训练准确率 / 验证准确率。这里介绍曲线分析的「读图三连」第一条曲线看整体趋势。正常情况是训练 Loss 逐步下降验证 Loss 同步下降且略高于训练 Loss两条曲线靠得越近说明过拟合程度越低。第二条曲线看两者的间距如果随着训练进行训练 Loss 持续下降但验证 Loss 掉头上升说明模型开始记忆训练样本的噪声经典的过拟合信号。此时优先加大数据增强强度例如把RandomRotation从 15 增加到 30而不是盲目的增加训练轮数。第三条曲线看拐点。如果训练 Loss 在前 2 个 epoch 内急速下降后面基本走平可能学习率偏大或模型容量远大于任务需求。如果训练 Loss 下降非常缓慢且震荡剧烈学习率可能太小或 batch size 偏小导致梯度噪声太大。曲线诊断时要先确认一个前提验证集没有做过数据增强否则你看到的验证 Loss 波动和真实分布差异是混在一起的。5. 评估指标、设计报告结构与单图预测部署5.1 用混淆矩阵定位分类难点测试集上的最终评估不能只看一个准确率还需要计算每个类别的精确率、召回率和 F1-score并画出混淆矩阵找出模型容易混淆的具体花卉类别。from sklearn.metrics import classification_report, confusion_matrix, accuracy_score import numpy as np y_true [] y_pred [] model.eval() with torch.no_grad(): for inputs, labels in test_loader: inputs inputs.to(device) outputs model(inputs) _, predicted torch.max(outputs, 1) y_true.extend(labels.numpy()) y_pred.extend(predicted.cpu().numpy()) acc accuracy_score(y_true, y_pred) print(f测试集准确率: {acc:.4f}) print(classification_report(y_true, y_pred, digits3)) conf_mat confusion_matrix(y_true, y_pred) # 找出混淆最多的类别对 class_names test_dataset.classes for i in range(len(class_names)): for j in range(len(class_names)): if i ! j and conf_mat[i][j] 5: print(f混淆: {class_names[i]} 被误判为 {class_names[j]}共 {conf_mat[i][j]} 张)classification_report里的 macro avg 在类别不均衡情况下比准确率更有参考价值因为每个类别的贡献被平均了。报告里可以挑选几个容易混淆的类别做具体分析比如「玫瑰」和「月季」之间的误判说明这两种花在花瓣层叠形态和颜色分布上高度相似浅层纹理特征不足以区分需要依赖更深层的花瓣结构特征。这种分析比单贴一张混淆矩阵图加分得多。5.2 设计报告的推荐结构与写作要点大作业的设计报告一般要求覆盖问题定义、方案设计、实验过程和结果分析可以按下面的结构组织章节内容要点篇幅建议引言任务背景、数据集介绍、工作要求1 页方案设计CNN 结构图画模型结构、迁移学习选型理由、数据增强策略23 页实验设置硬件环境、PyTorch 版本、超参数表格、数据划分方式1 页实验结果损失曲线、准确率曲线、混淆矩阵、逐类指标分析23 页总结遇到的问题与解决方案、可改进方向0.5 页「方案设计」部分要把每个选择说成有依据的决策而非随意选择。比如「选择使用在 ImageNet 上预训练的 ResNet18因为它有 18 层残差结构在保持梯度顺畅的同时参数量约 1100 万适合小样本数据集的微调」。实验部分不必展示所有轮数的输出给出最终模型在测试集上的分类报告和 23 张预测可视化图即可。5.3 单张图像预测脚本与模型导出最后一步是脱离 DataLoader 直接对单张图片做分类预测这相当于把模型从训练框架中解放出来也方便演示给老师看import torch from PIL import Image import torchvision.transforms as transforms def predict_image(image_path, model_path, class_names, devicecpu): model get_resnet18(num_classeslen(class_names), freeze_backboneFalse) checkpoint torch.load(model_path, map_locationdevice) model.load_state_dict(checkpoint[model_state_dict]) model.to(device).eval() transform transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) image Image.open(image_path).convert(RGB) tensor transform(image).unsqueeze(0).to(device) with torch.no_grad(): output model(tensor) probs torch.softmax(output, dim1).squeeze(0) top3 torch.topk(probs, 3) for idx, prob in zip(top3.indices, top3.values): print(f{class_names[idx]}: {prob.item():.4f}) predict_image(test_flower.jpg, best_model.pth, test_dataset.classes)unsqueeze(0)把单张图像从 3×224×224 变成 1×3×224×224凑出 batch 维度。预测时务必走与验证集相同的预处理不能带任何增强操作。torch.topk一次取前三名展示 Top-3 比只展示 Top-1 更容易解释——即使第一名的置信度不高看看模型认为的「第二名」是哪类也能帮你判断是模型问题还是数据问题。如果要在没有 PyTorch 的机器上演示可以考虑把模型用torch.jit.trace导出为 TorchScript或者在torch.onnx.export导出为 ONNX 后配合 ONNX Runtime 推理后者能把单张推理延迟压到几十毫秒。不过对大作业交付而言能跑通 torch.save 的best_model.pth已经满足需求了。本文还有配套的精品资源点击获取