简介：基于ResNet的动物图像分类系统是一份完整的Python期末大作业资源，面向计算机相关专业学生、深度学习者以及需要完成图像分类课程设计或毕业设计的开发者。系统将PyQt桌面客户端、Flask加HTML5网页端和PyTorch模型推理整合在一起，实现上传图片、实时识别动物类别、展示分类结果等功能，并贯通了数据集生成、模型训练、权重保存、后端接口调用和前端页面呈现的完整技术链路。资源包共27个文件，整体大小41.75MB，主要包含8个Python源文件、2个编译后的pyc文件、1个pth模型权重文件、1个HTML页面模板、11张界面效果截图以及1份README说明文档，其中train.py负责训练，predict.py执行推理，window.py搭建桌面界面，myflask.py启动Web服务，代码注释清晰、目录结构分明，便于直接运行学习和二次扩展。目前已有49人学习，对想快速搭建同类动物分类系统、理解ResNet残差网络在真实项目中的应用，或准备期末大作业答辩的读者尤为实用，能明显减少从零编码和调试的时间。
1. 一个期末大作业，为什么值得用 ResNet+Flask+PyQt 做全套
做基于 resnet 的动物图像分类系统，是 Python 期末大作业里性价比很高的一条路线。很多同学做完模型训练就停在了plt.imshow()那一步，老师看到的只是一个控制台输出，辛苦调参的痕迹完全看不出来。而这个项目把 PyTorch 训练、Flask 接口封装、HTML5 网页端和 PyQt 桌面端串在了一条完整链路上，模型有真实准确率，界面有交互操作，展示时可以从浏览器现场传图，也可以打开桌面程序点选图片，答辩的说服力完全不一样。
这套方案适合三类人：正在选 Python 课程设计题目的学生，想从“会跑通教程”进阶到“能交付一个小系统”的初学者，以及需要快速搭一个图像识别 demo 去验证想法的人。核心就一句话：ResNet 负责把图像分类这件事做对，Flask 负责把模型变成可调用的接口，PyQt 和 HTML5 负责让不懂模型的人也能直接用。
2. 模型层：ResNet 选型、数据准备与 PyTorch 训练的落地细节
2.1 ResNet18 还是 ResNet50：期末作业的选型逻辑
ResNet 家族里最常见的选择是 18 层和 50 层。动物图像分类属于粗粒度分类，猫和狗、大象和企鹅之间差异明显，不需要像区分鸟类亚种那样依赖极其细微的纹理差异。因此 ResNet18 在大多数期末场景下已经足够，训练速度快，显存占用低，CPU 也能勉强跑推理。ResNet50 的优势在于更深、特征更丰富，如果数据集中有狐狸和狼这类相似物种，50 层的上限更高，但训练时间大约翻三倍，调参不当时反而容易过拟合。
我一般这样定：数据集小于 5000 张，用 ResNet18；大于 5000 张且类别之间有相似物种，用 ResNet50。不要一开始就追深网络，期末作业的时间成本是第一位的。无论选哪个，都强烈建议用预训练权重做微调，而不是从零训练。PyTorch 里加载预训练模型就是一行调用：
import torch.nn as nn from torchvision import models # 加载在 ImageNet 上预训练过的 ResNet18 model = models.resnet18(pretrained=True) # 取出全连接层的输入维度，替换成自己的类别数 num_features = model.fc.in_features num_classes = 5 # 你是几类动物就填几 model.fc = nn.Linear(num_features, num_classes)这段代码的逻辑是：预训练模型已经把低层特征（边缘、纹理、颜色块）学好了，我们只需要把最后一层分类器换成自己的动物类别。model.fc.in_features是 ResNet18 最后一个池化层输出的特征维度，等于 512；ResNet50 则是 2048。不要硬编码这个数字，用in_features取是通用做法，换模型时不用改代码。
2.2 数据集两种凑法：手工整理文件夹还是用现成数据集
期末大作业最常见的数据集来源是 Kaggle 的 Animals-10 或者自己爬图。无论哪一种，都要整理成 torchvision 能直接读的目录结构：
data/ ├── train/ │ ├── cat/ # 存放猫的图片 │ ├── dog/ │ └── bird/ └── val/ ├── cat/ ├── dog/ └── bird/ImageFolder会自动把每个子文件夹名当作类别标签，省去手写标签映射的麻烦。用 PyTorch 的内置接口加载：
from torchvision import transforms, datasets from torch.utils.data import DataLoader train_transform = transforms.Compose([ transforms.Resize((224, 224)), # ResNet 标准输入尺寸 transforms.RandomHorizontalFlip(), # 随机翻转，增强泛化 transforms.ColorJitter(brightness=0.3, contrast=0.3), transforms.ToTensor(), # 转成张量 transforms.Normalize([0.485, 0.456, 0.406], # ImageNet 均值 [0.229, 0.224, 0.225]) # ImageNet 方差 ]) val_transform = transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) ]) train_dataset = datasets.ImageFolder('data/train', transform=train_transform) val_dataset = datasets.ImageFolder('data/val', transform=val_transform) train_loader = DataLoader(train_dataset, batch_size=32, shuffle=True, num_workers=2) val_loader = DataLoader(val_dataset, batch_size=32, shuffle=False, num_workers=2)这里的Normalize参数必须和预训练权重保持一致，用 ImageNet 统计出来的均值[0.485, 0.456, 0.406]和方差[0.229, 0.224, 0.225]。这是血泪教训：很多人训练时改了均值方差，模型准确率上不去，还以为是网络的问题，其实只是数值分布不对。训练时用了RandomHorizontalFlip，验证时就不要加随机增强，所以上面单独写了val_transform。
2.3 训练脚本：微调策略与断点续训
微调有两个策略。第一是冻结前面所有层，只训练全连接层，适合数据量很小（每类几十张图）的情况；第二是全部层一起微调，学习率调小，适合数据量中等以上的情况。期末作业选第二个更稳，因为数据量通常够，效果也更好。下面是一份可以直接改的训练脚本骨架：
import torch import torch.optim as optim from torch.optim.lr_scheduler import StepLR device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') model = model.to(device) criterion = nn.CrossEntropyLoss() optimizer = optim.Adam(model.parameters(), lr=1e-4) # 微调用小学习率 scheduler = StepLR(optimizer, step_size=5, gamma=0.1) # 每 5 个 epoch 学习率降 10 倍 EPOCHS = 15 best_acc = 0.0 for epoch in range(EPOCHS): model.train() running_loss = 0.0 for images, labels in train_loader: images, labels = images.to(device), labels.to(device) optimizer.zero_grad() outputs = model(images) loss = criterion(outputs, labels) loss.backward() optimizer.step() running_loss += loss.item() * images.size(0) # 验证集上算准确率 model.eval() correct = 0 total = 0 with torch.no_grad(): for images, labels in val_loader: images, labels = images.to(device), labels.to(device) outputs = model(images) _, predicted = torch.max(outputs, 1) total += labels.size(0) correct += (predicted == labels).sum().item() val_acc = 100.0 * correct / total print(f'Epoch {epoch+1}/{EPOCHS}, Loss: {running_loss/len(train_dataset):.4f}, Val Acc: {val_acc:.2f}%') # 保留最优模型，并支持断点续训 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(), 'best_acc': best_acc, 'class_to_idx': train_dataset.class_to_idx, }, 'best_model.pth')学习率 1e-4 对微调来说是经验值，太高会把预训练权重洗掉，太低收敛太慢。StepLR在 15 个 epoch 的训练里会在第 5 和第 10 个 epoch 后降低学习率，后期做更精细的参数微调。保存时把class_to_idx一起存进去，后面做推理时要知道“类别索引 0 对应的是猫还是狗”，这个映射关系只存在于训练集里，不保存的话，预测阶段就要靠猜了。
断点续训的恢复方式是把model.load_state_dict和optimizer.load_state_dict从torch.load出来的字典里取回来，同时把epoch继续往下传。期末作业虽然用不大上，但训练中途断电或者调参翻车时，这相当于后悔药，不用重头再来。
3. 服务层：用 Flask 把模型包装成可调用的 API
3.1 Flask 加载模型的时机：全局加载一次，不要在请求里反复初始化
Flask 是给 Python 期末项目做接口封装最常见的选择，轻量、无 ORM 负担、一个文件就能启动。它在这个项目里的角色是把 PyTorch 模型挡住，让 PyQt 桌面端和 HTML5 网页端都走 HTTP 请求拿到分类结果。模型加载有一个关键原则：服务启动时加载一次，存到全局变量，而不是每个请求进来都重新torch.load。一个模型文件几百 MB，每次请求都加载的话，接口延迟会从几十毫秒飙升到几秒，内存也可能被撑爆。
import torch import torch.nn as nn from torchvision import models, transforms from flask import Flask, request, jsonify from PIL import Image import io app = Flask(__name__) device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') # 定义模型结构，与训练时保持一致 def create_model(num_classes): model = models.resnet18(pretrained=False) num_features = model.fc.in_features model.fc = nn.Linear(num_features, num_classes) return model # 启动时加载权重，只做一次 model = create_model(num_classes=5) checkpoint = torch.load('best_model.pth', map_location=device) model.load_state_dict(checkpoint['model_state_dict']) model.to(device) model.eval() # 类别映射：训练时保存的 class_to_idx 反转 idx_to_label = {v: k for k, v in checkpoint['class_to_idx'].items()}pretrained=False是关键，加载权重时不会再联网下载模型；map_location=device解决的是服务器或本机没有 GPU 时直接报错的问题，不写这一句，在 CPU 机器上torch.load会尝试把张量放到cuda:0，直接崩。model.eval()是经常被忘的一行，它会关闭 dropout 和 batch norm 的训练行为，不调用的话，同样的图每次预测结果可能都不一样。
3.2 封装预测接口：图片上传、预处理与结果返回
接口设计成一个POST /predict，接收 multipart 表单里的图片文件，返回最可能的类别和置信度。这里最容易犯的错误是拿训练时的RandomHorizontalFlip和ColorJitter直接用在推理上，导致预测结果抖动。推理时要用单独的预处理链，只做Resize、ToTensor、Normalize。
@app.route('/predict', methods=['POST']) def predict(): file = request.files.get('image') if file is None: return jsonify({'error': '缺少图片文件'}), 400 # 转成 RGB，去掉透明通道和灰度模式 img = Image.open(file.stream).convert('RGB') img = img.resize((224, 224)) # 预处理：与训练时的验证集保持一致 transform = transforms.Compose([ transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) ]) tensor = transform(img).unsqueeze(0).to(device) with torch.no_grad(): outputs = model(tensor) probs = torch.softmax(outputs, dim=1) top_prob, top_idx = torch.topk(probs, k=3) results = [{ 'label': idx_to_label[int(top_idx[0][i])], 'probability': round(float(top_prob[0][i]), 4) } for i in range(top_idx.shape[1])] return jsonify({'results': results})convert('RGB')解决了用户上传 PNG 透明图或灰度图的问题，不转的话ToTensor出来是 4 通道或 1 通道，模型直接报维度错误。unsqueeze(0)把单张图扩展成 batch 维度，PyTorch 要求输入是四维张量(batch, channel, height, width)。返回前 3 个结果而不是只返回 Top1，好处是 Web 前端可以把“最可能是猫、其次是狗”这种信息展示出来，比单纯一个标签更有说服力。置信度用softmax转成概率再保留 4 位小数，直接返回logits会让前端看到一个负数，解释成本太高。
3.3 CORS 与本地部署的坑
两个端都要访问这个 Flask 服务：PyQt 桌面端用requests库走本地127.0.0.1:5000，HTML5 页面用浏览器里的fetch直接跨域请求。浏览器对跨域有同源策略限制，从file://协议打开 HTML 页面去请求127.0.0.1:5000会被拦截，表现就是控制台报 CORS 错误，接口本身是通的。
from flask_cors import CORS CORS(app) # 允许所有来源跨域，本地开发够用flask_cors是 Flask 生态里的标准扩展，一行解决跨域。这里不展开讲 CORS 的复杂配置，期末项目放开所有来源即可。如果不想引入扩展，也可以在每次响应后手动添加Access-Control-Allow-Origin响应头，但没必要，标准扩展更省心。
启动服务时，如果只想本机访问就app.run(host='127.0.0.1', port=5000)，想用手机在同一局域网里测 HTML5 页面，就改成app.run(host='0.0.0.0', port=5000)。注意debug=True虽然方便调试，但会开启 reloader，修改代码后模型会重新加载一次，对 GPU 显存来说是压力，建议开发时用，展示时关掉。
4. 展示层：PyQt 桌面端与 HTML5 网页端的双线实现
4.1 PyQt 客户端：文件选择、图片预览与结果展示
PyQt5 桌面端的定位是一个本地工具，用户选一张图片，点按钮，看到预测结果。它本质上只是 Flask 接口的一个 HTTP 客户端，不需要在 PyQt 进程里加载 PyTorch 模型，这大大降低了桌面端的启动速度和内存占用。核心代码集中在三块：选择文件、显示图片、发起请求。
import requests from PyQt5.QtWidgets import (QApplication, QWidget, QLabel, QPushButton, QFileDialog, QVBoxLayout) from PyQt5.QtGui import QPixmap class AnimalClassifierWindow(QWidget): def __init__(self): super().__init__() self.setWindowTitle('动物图像分类系统') self.setGeometry(200, 200, 600, 500) self.image_label = QLabel('请选择图片') self.image_label.setFixedSize(400, 300) self.result_label = QLabel('分类结果：') self.btn = QPushButton('选择图片并预测') self.btn.clicked.connect(self.choose_and_predict) layout = QVBoxLayout() layout.addWidget(self.image_label) layout.addWidget(self.result_label) layout.addWidget(self.btn) self.setLayout(layout) def choose_and_predict(self): path, _ = QFileDialog.getOpenFileName( self, '选择图片', '', '图片文件 (*.png *.jpg *.jpeg *.bmp)') if not path: return pixmap = QPixmap(path) self.image_label.setPixmap( pixmap.scaled(400, 300, aspectRatioMode=1)) try: with open(path, 'rb') as f: resp = requests.post( 'http://127.0.0.1:5000/predict', files={'image': f}, timeout=10 ) data = resp.json() top = data['results'][0] self.result_label.setText( f"分类结果：{top['label']}，概率：{top['probability']:.2%}") except Exception as e: self.result_label.setText(f'请求失败：{str(e)}')aspectRatioMode=1对应Qt.KeepAspectRatio，缩略显示时保持图片纵横比，不会把一张长方形图片拉伸变形。requests.post里files={'image': f}的字段名必须和 Flask 端request.files.get('image')一致，一个叫image一个叫file就会拿到空值。加上timeout=10防止 Flask 没启动时客户端卡死，这是期末答辩现场最容易翻车的场景：老师点完按钮，程序转圈没反应，其实只是后端服务没起。PyQt 端在请求期间会阻塞界面，这是单线程 GUI 的通病，期末展示不深究，进阶做法是用QThread把请求放到子线程，界面就不会“卡死”。
4.2 HTML5 页面：用 FormData 调接口、展示图片与概率
HTML5 网页端是另一条展示路线，它的优势是不需要安装任何环境，浏览器打开就行。整个页面可以是一个单文件index.html，内联 CSS 和 JavaScript，便于塞进项目 zip 里直接运行。核心逻辑是：用户选择图片后，前端先本地预览，再通过fetch把图片发给 Flask，拿到结果后渲染到页面上。
<!DOCTYPE html> <html lang="zh-CN"> <head> <meta charset="UTF-8"> <title>动物图像分类系统</title> </head> <body> <h2>动物图像分类系统</h2> <input type="file" id="imageInput" accept="image/*"> <img id="preview" width="300" height="220" alt="预览区"> <div id="result"></div> <script> const input = document.getElementById('imageInput'); const preview = document.getElementById('preview'); const resultDiv = document.getElementById('result'); input.addEventListener('change', function() { const file = input.files[0]; if (!file) return; // 本地预览，不需要上传到服务器 preview.src = URL.createObjectURL(file); const formData = new FormData(); formData.append('image', file); fetch('http://127.0.0.1:5000/predict', { method: 'POST', body: formData }) .then(res => res.json()) .then(data => { if (data.error) { resultDiv.innerHTML = '<p style="color:red">' + data.error + '</p>'; return; } let html = '<ul>'; data.results.forEach(item => { html += '<li>' + item.label + '：' + (item.probability * 100).toFixed(2) + '%</li>'; }); html += '</ul>'; resultDiv.innerHTML = html; }) .catch(err => { resultDiv.innerHTML = '<p style="color:red">请求失败，请确认 Flask 已启动</p>'; }); }); </script> </body> </html>FormData构造的 multipart 表单数据，字段名image要和 Flask 端对应。URL.createObjectURL(file)是浏览器本地生成临时 URL，比把图片readAsDataURL再转字符串清爽得多，内存释放不用管，页面关闭自动回收。这里不要用axios，原生fetch已经够用，少一个依赖，期末项目少一点外部库少一点风险。如果 HTML 文件不是从 Flask 的templates目录下发的，而是直接双击打开，那么上面第 3 章的CORS(app)就必不可少，否则浏览器会拦截这个跨域请求。
4.3 把三条线串起来：一次完整的本地部署流程
一个能现场演示的系统，从上到下的启动顺序是固定的。写进项目 README 里，答辩前照做一遍：
# 第一步：启动 Flask 服务（终端窗口 1） python app.py # 看到 Serving Flask app 和 Running on http://127.0.0.1:5000 就说明服务已就绪 # 第二步：打开 HTML5 页面，直接双击或用浏览器打开 index.html # 此时浏览器里的页面可以通过 fetch 访问本机 5000 端口 # 第三步：启动 PyQt 桌面端（终端窗口 2） python gui.pyFlask 是这个系统的中枢，两个前端都只依赖它。启动顺序很重要：先跑 Flask，再开前端。如果先打开网页再启动 Flask，页面加载时没有接口可访问，但只要不点预测按钮就不会报错，等 Flask 起来了再点一样能通。PyQt 端同理。现场演示时，我一般把 Flask 窗口和 PyQt 窗口并排摆，让老师看到日志在刷请求记录，这比口头解释“我做了接口封装”直观得多。
5. 避坑指南：训练、接口与打包的五个翻车现场
5.1 推理时的预处理和训练时的验证集不一致，准确率断崖下跌
现象：训练集准确率 90% 以上，模型保存后单独测一张图，结果和训练时表现完全对不上，甚至同类图片预测出完全不同标签。
原因：训练管线里带了RandomHorizontalFlip和ColorJitter，而推理时直接复用了同一套 transform，或者反过来，推理时忘了加Normalize。数据增强和归一化是两个层面的操作，前者只在训练时用，后者每时每刻都要用。归一化缺失会让输入像素分布从 0 到 1 的区间直接进网络，预训练模型的数值分布假设被打破。
解决：把推理预处理单独写成一个函数或常量，固定为Resize((224, 224))+ToTensor()+Normalize三件套，不掺任何随机增强。前端两个入口（PyQt 和 HTML5）都调用这同一套逻辑，不要各自写一份。检查办法是打印一张输入图片预处理后的像素均值和方差，应接近 0 和 1。
5.2 没有 GPU 的机器上torch.load直接报错
现象：用 GPU 训练完，把代码和模型拷到另一台只有 CPU 的电脑上，启动 Flask 时抛RuntimeError: Attempting to deserialize object on a CUDA device。
原因：torch.save默认把张量所在设备信息写进了模型文件，GPU 上保存的权重目标设备是cuda:0，CPU 机器加载时照本宣科。
解决：加载时固定写torch.load('best_model.pth', map_location='cpu')，或在 Flask 里用map_location=device并让device = 'cuda' if torch.cuda.is_available() else 'cpu'。这是一个必须在写代码时就养成的习惯，不要指望演示那台机器一定配置正确。
5.3 Flask 的debug=True导致模型加载两次，显存溢出
现象：启动 Flask 后日志提示Restarting with stat，然后 GPU 显存占用翻倍，甚至直接CUDA out of memory。
原因：debug=True会启动 Werkzeug 的 reloader，它会重新启动一个子进程来监听文件变化。模型定义在模块顶层，父进程和子进程各加载一次，两块显存。资源吃紧时直接溢出。
解决：展示和部署时强制debug=False。开发时如果确实需要热重载，把模型加载代码挪进函数，用lru_cache或模块级全局变量保证只加载一次，但期末项目不需要这么复杂，关掉 debug 即可。
5.4 PyQt 打包成 exe 后找不到模型文件
现象：源码里python gui.py一切正常，用 PyInstaller 打成 exe 后，点击预测提示文件不存在，或者 Flask 报模型加载路径错误。
原因：PyInstaller 打包后，工作目录不是 exe 所在目录。模型文件没有被识别为资源打进包里，或者代码用了相对路径'best_model.pth'，运行时当前目录和源码目录不是同一个。
解决：两种方案任选。一是打包时把模型作为外部文件放在 exe 旁边，代码里用绝对路径拼接：
import sys import os def get_model_path(): if getattr(sys, 'frozen', False): # 打包成 exe 后，以 exe 所在目录为基准 base_dir = os.path.dirname(sys.executable) else: base_dir = os.path.dirname(os.path.abspath(__file__)) return os.path.join(base_dir, 'best_model.pth')二是用 PyInstaller 的--add-data把模型打进包内，运行时通过sys._MEIPASS临时目录访问。期末答辩推荐第一种，模型文件外置，换模型不用重新打包，出了问题也好排查。
5.5 端口被占用导致 Flask 启动失败
现象：启动 Flask 时日志报Address already in use，或者页面请求一直连不上127.0.0.1:5000。
原因：上一次运行的服务没有正常退出，或者有其他程序占用了 5000 端口。Windows 上常见于之前Ctrl+C没关干净，后台进程还在监听。
解决：换端口启动最简单，app.run(port=5001)；或者查到占用进程并结束它。Windows 查占用：
netstat -ano | findstr :5000 taskkill /PID <pid> /F如果平时电脑上跑过其他 Flask 项目，5000 被占是常态。因此我建议 Flask 启动时自动寻找可用端口，或者在 README 里明确写出端口冲突的处理命令，答辩时处理起来不手忙脚乱。
6. 进阶：想涨准确率、想拿高分，可以做的三件小事
如果基础链路已经跑通，想在期末答辩里获得更好评价，有低中高三个成本的动作可以做。低成本的是换一个更大的预训练模型。把models.resnet18(pretrained=True)换成models.resnet50(pretrained=True)，其他代码都不用改，类别数从 5 到 50 都能适应，因为in_features是自适应取的。ResNet50 在相似动物上表现更好，缺点是训练时间和显存占用上升，如果你的电脑跑得动，这个改动性价比很高。
中等成本的是给模型加一个可视化解释模块，用 Grad-CAM 生成热力图展示模型重点关注的区域。答辩时上传一张猫的图片，界面上除了显示“猫，置信度 92%”，再展示一张热力图，猫脸位置发红，背景发蓝。这直接说明模型不是靠蒙的，而是学对了特征。PyTorch 里实现 Grad-CAM 需要注册 hook 取最后一个卷积层的梯度，代码大约 30 行，网上现成封装很多，在期末项目里属于“做了就明显超出平均水平”的一档。
高成本但也是最能体现工程能力的是把前端从“手动传图”升级成“从摄像头实时识别”。用 HTML5 的getUserMedia获取摄像头流，定期截帧发送到 Flask 推理。这个改动涉及到帧率控制和请求频率问题，要做好防抖，否则每帧都发请求后端撑不住。做出来以后，项目演示从“点选图片”变成“对着镜头里的动物直接识别”，体验质变。
说一个我自己踩过的坑：做完基础版本后盲目追求准确率，加了很多数据增强和复杂的调度策略，结果训练时间翻了几倍，答辩前夜还在调整参数，最终的准确率提升不到 2 个点。后来明白，期末作业的评分维度是多方面的，工程完整度、界面交互、部署可运行性，和准确率哪怕提升到 98%，都不如“系统能稳定跑通、前后端配合顺畅、展示过程不翻车”来得重要。先把链路跑稳，再谈涨点，顺序不要颠倒。希望我这几条经验对你有帮助，照着这个思路把项目搭起来，答辩时就有东西可讲，有底气可站。
本文还有配套的精品资源，点击获取
