简介：面向毕业设计及深度学习初学者，这份基于Python卷积神经网络CNN的图像分类系统源码，覆盖LeNet-5、AlexNet、GoogLeNet、ResNet等经典网络结构，并配有可直接使用的数据集与预训练模型。压缩包共25个文件，以13个py源码文件为主，另有模型备份zbak、类别索引json、说明文档及前端静态资源，整体约62KB，代码精简、目录明确，便于本地运行与二次修改。目前已有64人学习下载，适合作为课程设计、毕业设计或CNN入门实践的参考基座。资源同时提供TensorFlow与PyTorch两套框架实现，包含数据预处理、模型训练、准确率/召回率等评估指标及可视化模块；结合README可快速理解从数据加载到分类输出的完整流程，还能基于class_indices.json调整类别映射，进而开展网络调优与功能扩展实验。系统采用模块化设计，py文件分工明确，搭配详尽文档，可逐步研读并复现CNN图像分类全流程。
1. 图像分类系统：能直接跑通的CNN完整工程
如果你做图像分类相关的毕业设计，或者工作中临时要搭一个图像识别Demo，最怕遇到的事我经历过：网上找到一个源码包，下载下来发现数据集是空的、权重文件不存在、代码里到处是路径报错。花一晚上把环境配好，最后连一个完整的训练流程都跑不起来。这份基于Python的CNN图像分类系统没有这个毛病——数据、训练好的模型、四代经典网络结构（LeNet-5、AlexNet、GoogLeNet、ResNet）的TensorFlow和PyTorch两套实现、Flask推理页面全都在压缩包里。拿到手最快十分钟内就能跑通一次完整预测，然后你再去啃训练代码和网络定义。适合正在做课程设计的学生，也适合第一次正经搭建图像分类系统的人。CNN基础过关之后，这套工程能帮你把理论落地成可交付的项目。
2. 网络结构选型：从LeNet-5到ResNet的演进逻辑
2.1 CNN四个基本组件在代码里的具体落点
卷积层、池化层、激活函数、全连接层——这四个组件组成了CNN的基本骨架。很多人学CNN的时候书看了好几遍，卷积公式背得下来，但一打开源码不知道哪一行对应哪个组件。这套工程里的LeNet-5实现就是很好的参照物。
# TensorFlow版LeNet-5网络定义节选 from tensorflow.keras import layers, models model = models.Sequential([ # 卷积层：提取局部特征，核大小为5x5 layers.Conv2D(6, (5, 5), activation='relu', input_shape=(32, 32, 3)), # 池化层：下采样，降低特征图尺寸 layers.AveragePooling2D((2, 2)), # 第二组卷积+池化 layers.Conv2D(16, (5, 5), activation='relu'), layers.AveragePooling2D((2, 2)), # 展平：把二维特征图拉成一维向量 layers.Flatten(), # 全连接层：学习全局组合特征并分类 layers.Dense(120, activation='relu'), layers.Dense(84, activation='relu'), layers.Dense(10, activation='softmax') ])Conv2D第一个参数是输出通道数，第二个参数是卷积核尺寸。LeNet-5原始论文输入是单通道灰度图，但这份工程里input_shape是(32, 32, 3)，也就是RGB三通道彩色图，说明作者已经为现代数据集做了适配。AveragePooling2D是平均池化，LeNet-5原始设计用的就是它。后来AlexNet时代大家更习惯用最大池化，区别在于取邻域最大值还是平均值——平均池化对背景噪声更平滑，最大池化对纹理边缘的响应更强烈。具体哪个好取决于你的图像内容，不是绝对的。
Flatten层不产生新参数，它只是把卷积输出从二维特征图转成一维向量，让全连接层能够接收。三个Dense层里前两个用relu激活，最后一层用softmax输出10个类别的概率分布。如果你的数据集不是10类，最后这个数字必须修改，这个坑我在第5章详细讲。
2.2 AlexNet、GoogLeNet与ResNet：结构演进解决了什么问题
LeNet-5是1998年的设计，在简单手写数字集上表现优秀，但把它搬到复杂自然图像上就吃力了。AlexNet在2012年拿下ImageNet冠军，它把通道数拉大、卷积核变大、堆叠更多卷积层，并且引入了ReLU和Dropout。ReLU解决了深层网络中sigmoid梯度消失的问题，训练速度明显变快。Dropout则在训练时随机丢弃一部分神经元，让模型不容易记住训练集里的偶然噪声。
GoogLeNet换了一条思路，它不再单纯把网络做深，而是设计Inception模块——同一个层里并列使用1x1、3x3、5x5三种尺寸的卷积核，再加上一个池化分支，然后把这四路输出在通道维度拼接起来。这样做的意义是：不同尺寸的卷积核感受野不同，小卷积核捕捉细节纹理，大卷积核捕捉更大范围的结构，让网络自己决定当前层应该侧重哪种尺度。工程里给出的GoogLeNet实现对比LeNet-5明显复杂，但你训练图片时可以直观感受到它对复杂场景的泛化能力更好。
ResNet是2015年提出的残差网络。它的核心设计是跳跃连接（skip connection）：每一层除了正常映射F(x)之外，还直接让输入x绕路加到输出上去，让这一层实际学习的是F(x) - x这个残差。这种做法的好处是梯度可以沿着跳跃连接直接回传，即使网络叠到五六十层也不会出现梯度消失。在这套工程里，ResNet是训练效果最稳定、准确率上限最高的模型，代价是训练时间更长。我一般会把ResNet当作最终方案，把LeNet-5当作快速验证的试水方案。
2.3 框架与网络的对应关系：TensorFlow和PyTorch双版本
这个工程最直观的一个设计是，同一种网络结构同时给了TensorFlow和PyTorch两个实现。目录里很清楚地列出了2.AlexNet、4.GoogLeNet、5.ResNet这些目录名，每个目录里应该同时有tf和torch两种文件。
# PyTorch版ResNet残差块实现节选 import torch.nn as nn class BasicBlock(nn.Module): def __init__(self, in_channels, out_channels, stride=1): super().__init__() # 第一个卷积改变通道数和尺寸 self.conv1 = nn.Conv2d(in_channels, out_channels, kernel_size=3, stride=stride, padding=1, bias=False) self.bn1 = nn.BatchNorm2d(out_channels) # 第二个卷积保持尺寸不变 self.conv2 = nn.Conv2d(out_channels, out_channels, kernel_size=3, stride=1, padding=1, bias=False) self.bn2 = nn.BatchNorm2d(out_channels) # 跳跃连接：输入与输出尺寸不同时用1x1卷积对齐 self.shortcut = nn.Sequential() if stride != 1 or in_channels != out_channels: self.shortcut = nn.Sequential( nn.Conv2d(in_channels, out_channels, kernel_size=1, stride=stride, bias=False), nn.BatchNorm2d(out_channels) ) def forward(self, x): identity = self.shortcut(x) out = self.conv1(x) out = self.bn1(out) out = nn.ReLU()(out) out = self.conv2(out) out = self.bn2(out) # 残差连接：将输入加到卷积输出上 out += identity return nn.ReLU()(out)这个BasicBlock是ResNet-18和ResNet-34的基本单元。注意里面加入了BatchNorm层，它的作用是在每一层对输入做归一化，让数值分布稳定在零附近，能有效加速收敛。shortcut分支处理了通道数不一致的情况——当stride不等于1或输入输出通道数不同，跳跃连接必须经过1x1卷积调整形状才能相加。
选TensorFlow还是PyTorch，取决于你后续的工作流。TensorFlow的Keras API更简洁，适合快速把工程跑起来；PyTorch的动态计算图让调试更灵活，改网络结构时更容易定位问题。这份工程两边都有，正好可以拿同一个网络结构在两个框架下分别训练，对比一下收敛速度和最终精度，这对理解框架本身也是很好的训练。
3. 训练全流程落地：从数据预处理到评估指标
3.1 数据集组织：目录结构决定了训练脚本怎么读
拿到压缩包解压之后，你会看到数据集和训练好的模型放在一起，还有多个以网络结构命名的目录。一个实际能跑的CNN项目，数据集目录结构通常遵循ImageNet风格的分类方式。
# 数据集目录的标准组织方式 dataset/ ├── train/ │ ├── class_a/ │ │ ├── img_001.jpg │ │ └── img_002.jpg │ └── class_b/ └── validation/ ├── class_a/ └── class_b/每个类别一个子文件夹，文件夹名就是类别名，里面放对应的图片。keras的ImageDataGenerator.flow_from_directory和PyTorch的torchvision.datasets.ImageFolder都是按这个约定来读取的。数据预处理环节做的事情是缩放、归一化和数据增强。
# 训练时的数据增强配置（TensorFlow） from tensorflow.keras.preprocessing.image import ImageDataGenerator # 对训练集做实时增强，验证集只做归一化 train_datagen = ImageDataGenerator( rescale=1.0 / 255, # 像素归一化到[0,1] rotation_range=20, # 随机旋转20度 width_shift_range=0.2, # 水平平移20% height_shift_range=0.2, # 垂直平移20% shear_range=0.2, # 错切变换 zoom_range=0.2, # 随机缩放 horizontal_flip=True # 随机水平翻转 ) val_datagen = ImageDataGenerator(rescale=1.0 / 255)这里的rescale必须放在最前面，它把原始0到255的像素值压缩到0到1区间，这是深度学习模型的默认输入范围。rotation_range、shift、zoom这些参数叠加之后，每轮epoch模型看到的图片都是经过随机变换的版本，相当于变相扩充了训练数据量——这是防止过拟合最有效的手段之一。
参数大小需要根据你的数据量和任务来调整。数据只有几百张图片时，rotation_range给到20、horizontal_flip开启就够了，往大了给（比如90度旋转）反而会让模型学到不真实的图像分布——现实中不会出现倒立的猫。
3.2 超参数设置：学习率、batch size与epoch的搭配逻辑
训练CNN最关键的三个超参数是学习率、batch size和epoch数。工程训练好的模型你直接用没问题，但如果你想从头训一个自己的模型，这三个参数得理解清楚。
# 训练超参数配置（PyTorch版） import torch.optim as optim # 学习率：控制每次参数更新的步长 learning_rate = 0.001 batch_size = 32 epochs = 50 optimizer = optim.Adam(model.parameters(), lr=learning_rate) # 每经过10个epoch，学习率降为原来的10分之一 scheduler = optim.lr_scheduler.StepLR(optimizer, step_size=10, gamma=0.1)学习率是这些参数里最敏感的一个。0.001是Adam优化器下最常见的学习率起点，不算快也不算慢。如果你的显存允许更大的batch size，可以适当把学习率调大，因为更大batch的梯度估计更稳定。常见做法是batch 64配合0.001，batch 32配合0.0005。scheduler的作用是训练后期缩小步长——刚起步时大步往前冲，接近收敛时小步微调，这样能把模型推进到更优化点。
epoch数的判断标准不是固定的，关键看验证集loss。工程文档里建议观察训练过程曲线，在验证集loss连续5个epoch不再下降时提前停止。训练集准确率和验证集准确率的差距如果越拉越大，说明模型开始过拟合训练集，此时要么加Dropout、要么增强数据、要么提前结束训练。
3.3 评估指标：准确率之外，还应该关心什么
这套工程的模型文件里带了class_indices.json，这个JSON文件记录的是类别索引和类别名称的映射关系。查看模型评估结果时，不能只看准确率——准确率是"预测正确的样本总数除以全部样本数"，在类别不平衡时它会产生比较大的误导。
# 分类评估脚本的核心内容 from sklearn.metrics import classification_report # 加载class_indices.json得到类别映射 # predictions: 模型输出的预测标签 # true_labels: 真实标签 print(classification_report(true_labels, predictions))classification_report会输出每一类的精确率、召回率、F1分数。精确率解决的是"模型预测成A类的样本里有多少真的属于A类"，召回率解决的是"真实的A类样本里有多少被模型正确找出来了"。F1是两者的调和平均，类别不平衡时比准确率更能反映模型真实水平。
图片分类场景里还有一个常见操作是查看混淆矩阵。工程里Matrix.py明显就是干这个用的——预测结果和真实标签生成一个二维矩阵，横轴是预测类别，纵轴是真实类别，对角线越亮说明分类越准，非对角线的亮点暴露的是模型容易混淆的类别对。比如猫和狗互相误判，说明模型学到的是相似特征；如果某个类别被大面积误判为另一个，优先检查数据集里两个类别的图片标注是否有误。
4. 把源码跑起来：环境配置与Web推理全流程
4.1 环境搭建：Python版本与依赖库怎么配
这套工程跨TensorFlow和PyTorch两个框架，环境配置是第一道坎。首先确保Python版本在3.8到3.10之间，太新的Python版本有时会遇到某些库还没出对应whl包的问题。
# 建议创建独立虚拟环境 python -m venv cnn_env source cnn_env/bin/activate # PyTorch版本安装（CPU版） pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu # TensorFlow版本安装 pip install tensorflow # Web与工具库 pip install flask numpy pillow scikit-learn这里有个容易被忽略的点：如果你的机器没有NVIDIA显卡，不要直接pip install tensorflow默认版本之外的东西，也不要强行装CUDA版PyTorch。CPU版本虽然训练慢，但推理完全够用。工程里训练好的模型可以直接加载做预测，CPU上单张图片推理时间在几百毫秒级别，完全能接受。
我自己一般会把训练和推理环境分开：训练在GPU服务器上跑，部署推理时用CPU版本打包，这样目标机器不用装巨大的CUDA运行时。
4.2 Flask推理服务：main.py和class_indices.json如何分工
这套工程带了一个完整的Web推理界面，入口就是APP目录下的main.py，配合templates目录里的HTML模板。加载模型、处理上传图片、输出预测结果，这条链路从main.py里的Flask路由开始。
# APP/main.py中的预测核心逻辑 from flask import Flask, request, jsonify, render_template import numpy as np from PIL import Image import json app = Flask(__name__) # 启动时加载训练好的模型权重 model = load_model('path/to/resnet_model.h5') # 读取类别索引映射 with open('class_indices.json', 'r') as f: class_names = {int(k): v for k, v in json.load(f).items()} def preprocess_image(img): # 缩放到网络输入尺寸 (224, 224) img = img.resize((224, 224)) # 转成numpy数组并归一化 arr = np.array(img) / 255.0 # 增加batch维度： (224,224,3) -> (1,224,224,3) return np.expand_dims(arr, axis=0) @app.route('/predict', methods=['POST']) def predict(): file = request.files['image'] img = Image.open(file.stream) processed = preprocess_image(img) # 模型前向推理 preds = model.predict(processed)[0] top_idx = int(np.argmax(preds)) # 返回类别名和置信度 return jsonify({ 'class': class_names[top_idx], 'confidence': float(preds[top_idx]) }) if __name__ == '__main__': app.run(host='0.0.0.0', port=5000, debug=True)class_indices.json在这里起到桥梁作用。模型输出的数字索引，比如0、1、2，本身没有可读性，JSON文件把每个索引对应到真实类别名。这个JSON文件必须在模型训练时同步生成——训练完成后遍历训练数据集的文件夹名，按照顺序写入索引映射。如果后续重训模型时改了类别顺序，这个JSON文件必须重新生成，否则预测结果会对不上。
templates目录里的HTML文件提供了页面上传控件，Flask把渲染的页面和预测接口串起来，浏览器端就能直接操作。这个设计很适合毕业设计演示——不用写前端代码，打开浏览器就能用。
4.3 用自己的图片做一次完整预测
把服务启动之后，验证整个流程是否通了。在命令行里跑python main.py启动服务，浏览器打开本地地址，上传一张图片，看到的预测结果如果和直觉一致，说明整个链路是通的。
# 启动Flask服务（在APP目录下执行） python main.py # 另开一个终端，用curl测试预测接口 curl -X POST -F "image=@test_cat.jpg" http://127.0.0.1:5000/predictcurl命令会返回JSON格式的预测结果，比浏览器操作更直接。注意图片尺寸不是固定的，代码里已经做了resize处理，但不同类型任务的resize策略不同——224x224是ResNet标准输入，而LeNet-5要求32x32的输入。所以如果你换网络，main.py里preprocess_image的resize尺寸必须同步改，否则模型会直接报数组维度的错误。
5. CNN训练与部署避坑指南：五次翻车记录
5.1 现象：加载模型时报尺寸不匹配
第一次加载工程自带的训练好的模型，直接报错，提示层名称不匹配或者维度对不上。原因大概率是加载代码里指定的网络结构和训练时保存的不一致——我用TensorFlow的ResNet定义去加载PyTorch训练出来的权重文件。这个工程两个框架的模型都存在，文件名也区分了框架，但容易看走眼。解决方法是先看清权重文件所在目录里是tf还是torch后缀，再编写对应的加载代码。经验是：模型加载之前先打印一遍网络结构的摘要，和权重文件对应一下，不要跳过这步直接跑。
5.2 现象：训练时loss下降很慢，甚至不下降
按工程给的默认参数跑训练，每个epoch的loss几乎不动。先检查学习率是不是被scheduler降得太狠了，StepLR的gamma设为0.1意味着每经过一个step，学习率直接除以10，如果初始值设置不当，后期学习率会小到几乎没有更新。另一个常见原因是没有做数据归一化。有些代码忘了除以255就把原始像素输入了网络，取值范围0到255和归一化后的0到1相比，梯度传播会变得非常不稳定。黑白检查一遍：输入数据归一化、学习率不是0.0001级别、权重初始化没被随机破坏。
5.3 现象：训练集精度99%，验证集只有60%
这是典型的过拟合，在网络参数足够多、训练数据量不足时极易发生。工程里的ResNet如果直接在自己少量图片上从零训练，两个epoch就能把训练集完全记住。解决路径有三条：数据增强从无到有打开或加大强度；Dropout比率从0.5调高到0.7；最省力的是加载预训练权重做迁移学习，把前面卷积层冻结住，只训练最后几层全连接层。第三类是这类工程里泛化最稳定的方案。
5.4 现象：启动Flask时端口被占用
跑通了所有代码，启动main.py直接报Address already in use，这是端口冲突，因为默认的5000端口可能被系统或其他进程占用了。检查一下端口占用情况：
# 查看5000端口被谁占用 netstat -ano | grep 5000Windows上netstat结合findstr，Linux上是grep，找到占用进程后杀掉，或者简单改main.py最后一行代码的port参数，比如改成5001。真实部署时这种细节很影响效率——我后来习惯在启动脚本里用变量控制端口，避免每次手工改代码。
5.5 现象：换了数据集直接报类别数量错误
拿了工程里的模型，想直接用在相同的数据集上，改dropout或者调整卷积核通道数时，全连接层输出维度和类别数不匹配。原因很直接：最后全连接层的输出必须是类别个数，数据集的类别数改了却忘了同步修改这一层。替换掉最后一层Dense，把输出改成新数据集的类别数，重新训练。如果是用预训练模型做迁移学习，这就是标准的迁移学习操作，新模型依然能继承前面卷积层提取到的通用视觉特征。
6. 把模型迁移到自己的数据集：类别数调整与实战闭环
从零训练一个ResNet需要大量数据、GPU算力和不少时间，但绝大多数现实场景里你不需要这么做。加载别人在大规模数据上训练好的权重，保留前面的卷积层作为通用特征提取器，只重训最后几层分类头——这就是迁移学习，也是把这套工程用在自定义数据上最实用的路径。
# TensorFlow迁移学习核心代码 base_model = tf.keras.applications.ResNet50( include_top=False, # 不包含分类头 weights='imagenet', # 加载预训练权重 input_shape=(224, 224, 3) ) # 冻结前100层，只训练后面的部分 for layer in base_model.layers[:100]: layer.trainable = False model = tf.keras.Sequential([ base_model, layers.GlobalAveragePooling2D(), # 全局平均池化 layers.Dense(256, activation='relu'), layers.Dropout(0.5), # 防止过拟合 # 你的类别数在这里 layers.Dense(num_classes, activation='softmax') ]) model.compile( optimizer=tf.keras.optimizers.Adam(lr=0.0001), loss='categorical_crossentropy', metrics=['accuracy'] )include_top=False去掉了预训练模型最顶层的分类器，只保留卷积主干。weights='imagenet'意味着加载在ImageNet数据集上训练好的权重——这个权重学到了通用视觉特征，比如边缘、纹理、形状组合。冻结前100层让它们不被反向传播更新，只训练后来的全连接层。这样即使你只有几百张图片，分类效果也能不错。
类别数改完之后，训练数据目录结构必须与类别数对应，每类少说准备五十张以上图片。class_indices.json重新生成是必做操作，用脚本遍历训练集目录构建新的映射关系：
# 重新生成class_indices.json import os, json classes = os.listdir('dataset/train') class_indices = {str(i): name for i, name in enumerate(sorted(classes))} with open('class_indices.json', 'w') as f: json.dump(class_indices, f)迁移学习的另外一个关键点是学习率。预训练权重已经处在一个相对稳定的状态，基于它的微调通常用更小的学习率——0.0001是常见的选择，比从零训练低一个数量级，避免一步更新就把预训练学到的特征破坏掉。训练过程观察验证集曲线，通常十几个epoch就能达到可接受的效果。
从那以后我每次拿到类似工程，都会先走一遍这个流程：确认数据、核对类别、看一遍网络定义、再动手训练。因为很多看起来像是模型效果差的"玄学"问题，排查到最后都是数据组织或类别映射的小错误——顺序和耐心比调参技巧更可靠。希望这套流程对你也有帮助。
本文还有配套的精品资源，点击获取
