簡(jiǎn)介基于Python深度學(xué)習(xí)的花卉識(shí)別課程設(shè)計(jì)源碼專注于利用卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)花卉圖像的自動(dòng)分類與識(shí)別可作為計(jì)算機(jī)視覺(jué)方向課程設(shè)計(jì)、畢業(yè)設(shè)計(jì)參考也適合初學(xué)者入門(mén)圖像識(shí)別實(shí)戰(zhàn)。壓縮包內(nèi)共四十九個(gè)文件整體容量約三點(diǎn)三六兆字節(jié)內(nèi)部以花卉圖像數(shù)據(jù)、程序源碼、訓(xùn)練測(cè)試日志及說(shuō)明文檔為主其中包含二十八張不同品種的花卉圖片涵蓋菊花等多個(gè)類別。代碼部分提供兩套深度學(xué)習(xí)模型實(shí)現(xiàn)一套采用預(yù)訓(xùn)練權(quán)重進(jìn)行遷移學(xué)習(xí)一套為自定義卷積神經(jīng)網(wǎng)絡(luò)并配有數(shù)據(jù)讀取、數(shù)據(jù)集劃分、模型測(cè)試等模塊幫助學(xué)習(xí)者快速掌握從圖像預(yù)處理到模型訓(xùn)練與評(píng)估的完整流程。項(xiàng)目還保留模型關(guān)注區(qū)域熱圖以及訓(xùn)練測(cè)試日志可直觀觀察模型關(guān)注特征并追蹤損失與準(zhǔn)確率變化同時(shí)附帶忽略規(guī)則文件、使用說(shuō)明文本等目錄結(jié)構(gòu)清晰便于復(fù)現(xiàn)與二次開(kāi)發(fā)。已有三百六十三人學(xué)習(xí)下載適合想要系統(tǒng)掌握卷積神經(jīng)網(wǎng)絡(luò)與遷移學(xué)習(xí)圖像分類、快速搭建完整花卉識(shí)別項(xiàng)目的開(kāi)發(fā)者參考。1. 課程設(shè)計(jì)選花卉識(shí)別為什么它是深度學(xué)習(xí)的“最佳練手題”如果你正在為Python深度學(xué)習(xí)課程設(shè)計(jì)發(fā)愁花卉識(shí)別幾乎是所有選題里性價(jià)比最高的一個(gè)數(shù)據(jù)集好找、任務(wù)直觀、模型效果容易可視化而且它同時(shí)覆蓋了圖像分類、數(shù)據(jù)增強(qiáng)、遷移學(xué)習(xí)和模型部署這幾塊硬骨頭。很多人的第一個(gè)深度學(xué)習(xí)項(xiàng)目就是從“把一張花照片分成菊花、玫瑰、蒲公英”開(kāi)始的。做這樣一個(gè)基于Python深度學(xué)習(xí)的花卉識(shí)別課程設(shè)計(jì)源碼項(xiàng)目你真正要交付的不只是一段能跑通的代碼而是一套“數(shù)據(jù)怎么處理、模型怎么選、參數(shù)怎么調(diào)、結(jié)果怎么解釋”的完整思路——這也是答辯時(shí)老師真正關(guān)心的東西。這篇筆記我按自己做課程設(shè)計(jì)帶組員時(shí)的習(xí)慣從torchvision自帶的花卉數(shù)據(jù)集講起把從數(shù)據(jù)預(yù)處理到模型訓(xùn)練的完整鏈路拆開(kāi)最后把最容易翻車的幾個(gè)點(diǎn)和驗(yàn)證技巧也一并交代清楚。2. 數(shù)據(jù)集與預(yù)處理先解決“喂什么”的問(wèn)題再談模型2.1 用torchvision自帶數(shù)據(jù)集跑通最小流程花卉識(shí)別的公開(kāi)數(shù)據(jù)集很多但做課程設(shè)計(jì)我強(qiáng)烈建議先用torchvision.datasets里自帶的花卉數(shù)據(jù)集跑通全流程。原因很現(xiàn)實(shí)它不需要你額外去下載、解壓、手工劃分目錄API直接返回已經(jīng)分好類的圖像和標(biāo)簽?zāi)軒湍惆选皵?shù)據(jù)集的問(wèn)題”和“模型的問(wèn)題”分開(kāi)排查起來(lái)省一半的力氣。import torchvision from torchvision import transforms from torch.utils.data import DataLoader 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_data torchvision.datasets.Flowers102( root./data, splittrain, downloadTrue, transformtransform ) train_loader DataLoader(train_data, batch_size32, shuffleTrue, num_workers4)這段代碼會(huì)從torchvision自動(dòng)下載Flowers102數(shù)據(jù)集——102個(gè)類別的花卉圖片每個(gè)類別在訓(xùn)練集里有10張、驗(yàn)證集里有10張測(cè)試集里數(shù)量不等。這里的預(yù)處理管線Resize((224, 224))是配合ImageNet預(yù)訓(xùn)練模型的固定輸入尺寸Normalize用ImageNet的均值和標(biāo)準(zhǔn)差這兩項(xiàng)是遷移學(xué)習(xí)場(chǎng)景下的標(biāo)準(zhǔn)做法不是隨便選的。參數(shù)說(shuō)明batch_size在課程設(shè)計(jì)里設(shè)32或64都合適顯存不夠就降到16num_workers取決于你的CPU核心數(shù)Windows下設(shè)成2~4就足夠了設(shè)太高反而容易在數(shù)據(jù)加載時(shí)報(bào)錯(cuò)這個(gè)坑后面細(xì)說(shuō)。splittrain和splittest會(huì)分別拿到訓(xùn)練集和驗(yàn)證集不需要自己再劃分。2.2 自制數(shù)據(jù)集目錄結(jié)構(gòu)與標(biāo)簽編碼如果你不想用現(xiàn)成的Flowers102想自己拍照片或者從網(wǎng)上收集花卉圖片那目錄結(jié)構(gòu)建議直接按ImageFolder的規(guī)范來(lái)組織這樣torchvision.datasets.ImageFolder能直接讀取少寫(xiě)一堆自定義Dataset的代碼# 目錄結(jié)構(gòu)data/train/rose/*.jpg, data/train/sunflower/*.jpg # 目錄結(jié)構(gòu)data/val/rose/*.jpg, data/val/sunflower/*.jpg from torchvision.datasets import ImageFolder train_dataset ImageFolder(root./data/train, transformtransform) val_dataset ImageFolder(root./data/val, transformtransform) print(train_dataset.class_to_idx) # 打印類別名到索引的映射這里有個(gè)細(xì)節(jié)值得關(guān)注每個(gè)類別的訓(xùn)練圖片數(shù)量最好控制在幾十張到兩三百?gòu)堉g太少模型學(xué)不到類內(nèi)差異太多對(duì)課程設(shè)計(jì)來(lái)說(shuō)訓(xùn)練時(shí)間不劃算。另外采集圖片時(shí)盡量讓同一類花有不同背景、不同角度、不同光照的樣本否則模型很容易學(xué)會(huì)“識(shí)別背景”而不是“識(shí)別花”——這是個(gè)玄學(xué)問(wèn)題但根源在數(shù)據(jù)不在模型。預(yù)處理這一步的關(guān)鍵結(jié)論是不管用什么數(shù)據(jù)源預(yù)處理都不該只做一個(gè)Resize加ToTensor至少要加上RandomHorizontalFlip或RandomRotation做數(shù)據(jù)增強(qiáng)。訓(xùn)練集和驗(yàn)證集的transform要分開(kāi)寫(xiě)驗(yàn)證集不能做隨機(jī)增強(qiáng)否則評(píng)估指標(biāo)會(huì)失真。3. 模型選型與訓(xùn)練ResNet是底線微調(diào)參數(shù)決定上限3.1 為什么課程設(shè)計(jì)首選ResNet而不是自己搭CNN很多人一開(kāi)始會(huì)想自己搭一個(gè)幾層的卷積神經(jīng)網(wǎng)絡(luò)覺(jué)得這樣“更像自己做的”。我的建議是如果你不想在答辯時(shí)被問(wèn)到“為什么你的模型過(guò)擬合這么嚴(yán)重”而答不上來(lái)那就直接用torchvision里預(yù)訓(xùn)練的ResNet18做遷移學(xué)習(xí)。理由有三個(gè)ResNet18只有約1100萬(wàn)參數(shù)訓(xùn)練速度和顯存占用都友好CPU也能跑推理——這很關(guān)鍵因?yàn)楹芏嗾n程設(shè)計(jì)最終是在沒(méi)有GPU的機(jī)器上演示的。預(yù)訓(xùn)練權(quán)重是在ImageNet上學(xué)到的已經(jīng)內(nèi)置了大量通用視覺(jué)特征邊緣、紋理、形狀你的花卉數(shù)據(jù)集只需要微調(diào)最后幾層就能取得不錯(cuò)的效果。ResNet的殘差結(jié)構(gòu)在答辯時(shí)是一個(gè)很好的“技術(shù)亮點(diǎn)”你可以清楚地解釋這個(gè)結(jié)構(gòu)如何解決網(wǎng)絡(luò)退化問(wèn)題比手寫(xiě)CNN更容易講出深度。import torchvision.models as models import torch.nn as nn model models.resnet18(weightsmodels.ResNet18_Weights.IMAGENET1K_V1) num_ftrs model.fc.in_features model.fc nn.Linear(num_ftrs, 102) # 102對(duì)應(yīng)Flowers102的類別數(shù) # 凍結(jié)前幾層只微調(diào)最后一層 for param in model.parameters(): param.requires_grad False for param in model.fc.parameters(): param.requires_grad True device torch.device(cuda if torch.cuda.is_available() else cpu) model model.to(device)這段代碼的關(guān)鍵操作有兩處一是model.fc nn.Linear(num_ftrs, 102)把全連接層的輸出維度改成你的類別數(shù)二是通過(guò)requires_grad控制只訓(xùn)練最后一層。第一個(gè)操作是通用的分類頭替換模式第二個(gè)操作則是控制在多大程度上“借用”預(yù)訓(xùn)練知識(shí)。如果只訓(xùn)練最后一層且數(shù)據(jù)量少就幾乎不會(huì)過(guò)擬合但模型上限也低如果解凍更多層并加大學(xué)習(xí)率模型上限高但風(fēng)險(xiǎn)也高。3.2 訓(xùn)練腳本的完整結(jié)構(gòu)與兩個(gè)必調(diào)的損失函數(shù)參數(shù)訓(xùn)練循環(huán)看起來(lái)簡(jiǎn)單但課程設(shè)計(jì)翻車率高往往是因?yàn)槿鄙俸?jiǎn)單的檢查點(diǎn)、沒(méi)有合理使用損失函數(shù)的參數(shù)或者監(jiān)控了錯(cuò)誤的指標(biāo)。下面這段代碼是我平時(shí)帶項(xiàng)目時(shí)給組員的模板包含了“保存最佳模型”和“打印每個(gè)epoch的分類準(zhǔn)確率”這兩個(gè)關(guān)鍵能力import torch import torch.nn as nn import torch.optim as optim criterion nn.CrossEntropyLoss() optimizer optim.Adam(model.fc.parameters(), lr1e-3) best_acc 0.0 epochs 15 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() # 驗(yàn)證階段 model.eval() correct, total 0, 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.data, dim1) total labels.size(0) correct (predicted labels).sum().item() acc 100 * correct / total print(fEpoch {epoch1}/{epochs}, Loss: {running_loss/len(train_loader):.4f}, Val Acc: {acc:.2f}%) if acc best_acc: best_acc acc torch.save(model.state_dict(), best_flower_model.pth)這里有一個(gè)新手常犯的錯(cuò)在驗(yàn)證階段忘了加model.eval()和with torch.no_grad()。前者會(huì)關(guān)掉Dropout和BatchNorm的隨機(jī)行為后者會(huì)停止構(gòu)建計(jì)算圖并大幅減少顯存占用。不加這兩行驗(yàn)證指標(biāo)是不準(zhǔn)確的。另一個(gè)隱蔽的問(wèn)題是total labels.size(0)它統(tǒng)計(jì)的是所有batch的樣本總和而不是只取最后那個(gè)不完整batch的數(shù)量——不過(guò)DataLoader默認(rèn)drop_lastFalse所以寫(xiě)成labels.size(0)就對(duì)了。CrossEntropyLoss在PyTorch里默認(rèn)已經(jīng)把LogSoftmax和NLLLoss合并了所以模型最后一層直接輸出原始logits就行不要再手動(dòng)加Softmax。如果要處理類別不均衡的數(shù)據(jù)集可以在CrossEntropyLoss里傳weight參數(shù)——以各個(gè)類別的樣本數(shù)倒數(shù)計(jì)算這是處理數(shù)據(jù)不均衡時(shí)最直接有效的做法。3.3 學(xué)習(xí)率和優(yōu)化器課程設(shè)計(jì)場(chǎng)景下的調(diào)整思路訓(xùn)練時(shí)你會(huì)經(jīng)常遇到一個(gè)現(xiàn)象loss在降低但準(zhǔn)確率上不去或者驗(yàn)證集準(zhǔn)確率忽高忽低。這時(shí)候調(diào)整學(xué)習(xí)率是第一步。常見(jiàn)的做法是先用1e-3的Adam跑幾個(gè)epoch如果loss下降太慢就調(diào)大到1e-2如果loss震蕩就調(diào)小到1e-4。# 學(xué)習(xí)率衰減每5個(gè)epoch衰減到原來(lái)的0.1倍 scheduler optim.lr_scheduler.StepLR(optimizer, step_size5, gamma0.1) # 在訓(xùn)練循環(huán)每輪結(jié)束后調(diào)用 scheduler.step()Adam已經(jīng)內(nèi)置了一階動(dòng)量和二階動(dòng)量所以它對(duì)學(xué)習(xí)率不像SGD那么敏感。但如果用了ImageNet預(yù)訓(xùn)練模型做完整微調(diào)SGD配momentum的收斂效果往往比Adam更穩(wěn)——這是一個(gè)“熱身”階段學(xué)習(xí)率從1e-4開(kāi)始動(dòng)量0.9訓(xùn)練曲線會(huì)平滑很多。課程設(shè)計(jì)時(shí)間如果緊張Adam配上StepLR是最省心的組合。4. 避坑花卉識(shí)別課程設(shè)計(jì)最常見(jiàn)的6個(gè)翻車現(xiàn)場(chǎng)4.1 Flowers102數(shù)據(jù)集標(biāo)簽與類名不匹配現(xiàn)象模型訓(xùn)練準(zhǔn)確率很高但用測(cè)試圖片推理時(shí)的輸出結(jié)果和真實(shí)花名對(duì)不上。原因torchvision.datasets.Flowers102返回的是整數(shù)標(biāo)簽從0到101這些索引和數(shù)據(jù)集自帶的labels.txt文件是嚴(yán)格對(duì)應(yīng)的但和你從網(wǎng)上看到的類別名稱列表不一定一致?；ɑ苊贔lowers102的官方標(biāo)注里是拉丁文比如“n04356074”這樣的WordNet ID如果你自行映射到中文花名很容易錯(cuò)位。解決直接使用dataset._labels或者下載官方label文件做一次映射表。比較保險(xiǎn)的做法是訓(xùn)練完就保存一份idx_to_name.json推理時(shí)從該文件讀取類別名不要每次手工指定列表。4.2 Windows下num_workers設(shè)置過(guò)高導(dǎo)致程序卡死或反復(fù)重啟現(xiàn)象代碼在for images, labels in train_loader:處停住不動(dòng)或每個(gè)epoch剛開(kāi)始就報(bào)BrokenPipeError。原因Windows下多進(jìn)程數(shù)據(jù)加載和Linux行為不同當(dāng)num_workers大于0時(shí)如果代碼不是寫(xiě)在if __name__ __main__保護(hù)塊里或者num_workers超過(guò)了CPU核心數(shù)就可能出現(xiàn)子進(jìn)程崩潰。解決把訓(xùn)練代碼放進(jìn)if __name__ __main__:下或者將num_workers直接設(shè)為0。課程設(shè)計(jì)階段的數(shù)據(jù)量并不大num_workers0的加載速度完全可以接受這是最省心的方案。4.3 驗(yàn)證集準(zhǔn)確率很高但單張圖片推理效果很差現(xiàn)象訓(xùn)練時(shí)在驗(yàn)證集上達(dá)到90%以上準(zhǔn)確率但拿一張手機(jī)拍的花去預(yù)測(cè)結(jié)果是錯(cuò)的。原因驗(yàn)證集圖像經(jīng)過(guò)了和你訓(xùn)練集一致的Resize(224, 224)和Normalize但你在推理時(shí)會(huì)忘記做同樣的預(yù)處理或用了不同的尺寸。這是最典型的“黑匣子”場(chǎng)景——模型本身沒(méi)問(wèn)題問(wèn)題是輸入管線的格式不一致。解決推理代碼和數(shù)據(jù)加載代碼復(fù)用同一個(gè)預(yù)處理函數(shù)。單獨(dú)定義一個(gè)get_transform()函數(shù)訓(xùn)練、驗(yàn)證、推理各環(huán)節(jié)都調(diào)用它不要在推理時(shí)重新寫(xiě)一遍transform。4.4 訓(xùn)練loss不下降準(zhǔn)確率一直在1%左右現(xiàn)象第一個(gè)epoch后loss基本不變準(zhǔn)確率遠(yuǎn)低于類別數(shù)的倒數(shù)例如102類時(shí)約1%。原因最常見(jiàn)的是標(biāo)簽錯(cuò)位。比如用了ImageFolder但類別目錄和實(shí)際圖像不對(duì)應(yīng)或者數(shù)據(jù)集里部分圖片損壞導(dǎo)致自動(dòng)跳過(guò)。另一個(gè)原因是學(xué)習(xí)率過(guò)大導(dǎo)致loss直接nan。解決先用極小的學(xué)習(xí)率1e-5跑一個(gè)epoch確認(rèn)loss確實(shí)在下降再調(diào)回正常學(xué)習(xí)率。然后逐個(gè)檢查train_dataset.class_to_idx的映射挑幾張圖打印標(biāo)簽和圖像路徑確認(rèn)一致性。4.5 顯存不足CUDA out of memory現(xiàn)象訓(xùn)練第二個(gè)epoch時(shí)報(bào)CUDA out of memory。原因batch_size過(guò)大是主因但很多人忽略的是驗(yàn)證階段也占顯存——如果代碼加了torch.no_grad()但沒(méi)加model.eval()BatchNorm層仍然可能累積額外狀態(tài)。解決先把batch_size減半或者減少num_workers驗(yàn)證階段務(wù)必同時(shí)配合model.eval()和torch.no_grad()。如果還在爆就把輸入尺寸從224降到160——但注意這會(huì)改變預(yù)訓(xùn)練模型的輸入分布準(zhǔn)確性會(huì)有輕微下降。4.6 保存的模型加載后結(jié)果不一樣現(xiàn)象訓(xùn)練時(shí)指標(biāo)正常但重新加載.pth后推理結(jié)果明顯不對(duì)。原因加載模型時(shí)用了不同的類數(shù)量或者使用了不同的模型結(jié)構(gòu)。例如訓(xùn)練時(shí)是resnet18(num_classes102)加載時(shí)卻默認(rèn)了resnet18(num_classes1000)——因?yàn)閠orchvision默認(rèn)輸出維度是1000加載權(quán)重時(shí)不會(huì)報(bào)錯(cuò)但最后一層對(duì)不上。解決保存模型時(shí)同時(shí)保存模型結(jié)構(gòu)和超參數(shù)至少保存類別數(shù)torch.save({ model_state_dict: model.state_dict(), num_classes: 102, transform: transform }, flower_model_checkpoint.pth)加載時(shí)從checkpoint里讀取num_classes來(lái)重建模型結(jié)構(gòu)這樣就不會(huì)出現(xiàn)維度錯(cuò)位。5. 從課程設(shè)計(jì)到真正可用推理腳本、界面與指標(biāo)驗(yàn)證5.1 寫(xiě)一個(gè)能接受單張圖片的推理腳本課程設(shè)計(jì)交到這一步很多同學(xué)認(rèn)為訓(xùn)練出模型就算結(jié)束了但答辯時(shí)老師最常問(wèn)的一句話是“你這個(gè)模型實(shí)際用起來(lái)什么樣”所以一個(gè)能接收單張圖片并輸出“預(yù)測(cè)類別置信度”的腳本比多訓(xùn)練10個(gè)epoch都重要。推理腳本我習(xí)慣的做法如下import torch from PIL import Image import torchvision.transforms as transforms from torchvision import models 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]) ]) def load_model(checkpoint_path, num_classes102): model models.resnet18(weightsNone) model.fc torch.nn.Linear(model.fc.in_features, num_classes) checkpoint torch.load(checkpoint_path, map_locationcpu) model.load_state_dict(checkpoint[model_state_dict]) model.eval() return model def predict(image_path, model, idx_to_name): img Image.open(image_path).convert(RGB) img_tensor transform(img).unsqueeze(0) with torch.no_grad(): outputs model(img_tensor) probabilities torch.nn.functional.softmax(outputs[0], dim0) top_prob, top_idx torch.max(probabilities, dim0) return idx_to_name[top_idx.item()], top_prob.item() if __name__ __main__: model load_model(best_flower_model.pth) name, prob predict(test_rose.jpg, model, idx_to_name) print(f預(yù)測(cè)結(jié)果: {name}, 置信度: {prob:.2%})加上map_locationcpu意味著這個(gè)腳本即使在演示機(jī)器上只有CPU也能正常工作同時(shí)Image.open后接.convert(RGB)能避免某些灰度圖或RGBA圖在預(yù)處理時(shí)報(bào)通道數(shù)錯(cuò)誤。置信度輸出是所有課程設(shè)計(jì)演示中展現(xiàn)專業(yè)度的最好手段展示的可信度明顯高于只輸出類別名。5.2 用混淆矩陣驗(yàn)證模型的真實(shí)盲區(qū)準(zhǔn)確率是一個(gè)過(guò)于籠統(tǒng)的指標(biāo)。對(duì)花卉識(shí)別這個(gè)小數(shù)據(jù)集任務(wù)來(lái)說(shuō)準(zhǔn)確率達(dá)到92%并不能證明模型“會(huì)認(rèn)花”可能只是繞開(kāi)了某些容易混淆的類別。我習(xí)慣的做法是輸出一張混淆矩陣圖把它貼到課程設(shè)計(jì)報(bào)告里作為結(jié)果分析部分的核心證據(jù)。import matplotlib.pyplot as plt import numpy as np from sklearn.metrics import confusion_matrix, ConfusionMatrixDisplay all_labels, all_preds [], [] with torch.no_grad(): for images, labels in val_loader: images images.to(device) outputs model(images) _, predicted torch.max(outputs.cpu(), dim1) all_labels.extend(labels.numpy()) all_preds.extend(predicted.numpy()) cm confusion_matrix(all_labels, all_preds) disp ConfusionMatrixDisplay(confusion_matrixcm) disp.plot(cmapBlues) plt.savefig(confusion_matrix.png, dpi150)混淆矩陣能一眼看出來(lái)哪些類別互相打架比如向日葵和蒲公英如果經(jīng)常混淆說(shuō)明兩者的顏色和紋理特征在模型看來(lái)沒(méi)有足夠的區(qū)分度——這時(shí)可以增加這類別的訓(xùn)練樣本量或者查一下是不是數(shù)據(jù)增強(qiáng)把花色、背景過(guò)度扭曲了。這里的一個(gè)關(guān)鍵技巧confusion_matrix的輸入必須是CPU上的NumPy數(shù)組很多人在all_labels.extend(labels)時(shí)忘了labels還在GPU上結(jié)果直接報(bào)錯(cuò)。5.3 后續(xù)值得做的兩個(gè)方向Gradio部署和細(xì)粒度分類如果要讓這個(gè)課程設(shè)計(jì)更出彩我強(qiáng)烈建議用Gradio把模型包裝成一個(gè)網(wǎng)頁(yè)應(yīng)用拖一張圖進(jìn)去就能看到識(shí)別結(jié)果和置信度。這是目前最討巧的展示手段——代碼量不到二十行且效果直觀。課程設(shè)計(jì)答辯時(shí)能把模型跑在網(wǎng)頁(yè)上的人基本上不會(huì)再被追問(wèn)任何實(shí)現(xiàn)細(xì)節(jié)。另一個(gè)方向是細(xì)粒度花卉識(shí)別。常見(jiàn)的Flowers102已經(jīng)是一個(gè)難度不低的細(xì)粒度識(shí)別任務(wù)但如果你的數(shù)據(jù)是自己收集的、類別之間外觀差異更小時(shí)可以嘗試引入注意力機(jī)制模塊比如SE Block或者CBAM加到ResNet的每個(gè)殘差塊后面。這個(gè)改動(dòng)會(huì)顯著提升相似花朵的區(qū)分度還能給你的答辯增加一個(gè)“為了提升性能做了什么設(shè)計(jì)”的技術(shù)亮點(diǎn)。不過(guò)要注意加了注意力之后顯存占用上升約10%到15%訓(xùn)練時(shí)間也會(huì)變長(zhǎng)課程設(shè)計(jì)階段把精力放在可視化驗(yàn)證上更值得。最后說(shuō)個(gè)我自己帶過(guò)的真實(shí)教訓(xùn)有一個(gè)組在答辯前一天還在大量調(diào)參想把準(zhǔn)確率從91%再推到95%以上結(jié)果答辯當(dāng)天模型過(guò)擬合在訓(xùn)練集上——這其實(shí)也是很多課程設(shè)計(jì)的通病。課程設(shè)計(jì)不是論文你的目標(biāo)是在有限時(shí)間內(nèi)展示“完整鏈路合理指標(biāo)可解釋的結(jié)果”而不是刷極限數(shù)字。把推理腳本、混淆矩陣和幾組對(duì)比實(shí)驗(yàn)的截圖準(zhǔn)備好比多跑50個(gè)epoch有價(jià)值得多。希望幫到你。本文還有配套的精品資源點(diǎn)擊獲取