不用懂数学！小白也能跟着敲的深度学习实战，练完就能自己做AI识别！
打开今日头条查看图片详情
为什么选PyTorch？看完你就懂
想入门深度学习，选对工具很重要！PyTorch凭这几点成了新手首选：
· 简单易学：代码像写Python一样自然，比TensorFlow更适合入门
· 灵活高效：动态计算图，调试起来超方便
· 大佬都在用：OpenAI、特斯拉、斯坦福大学都靠它做研究
· 咱们今天不用从零造车：用’迁移学习’借现成模型。
环境准备：3行代码搞定
先打开你的Python终端，复制粘贴这行命令，安装需要的工具：
pip install torch torchvision matplotlib tqdm # tqdm用来显示训练进度条
等安装完成，咱们就可以开始啦~
数据集怎么弄？附获取方式
用Kaggle经典的猫狗数据集（含25000张图片），获取方式：
1. 直接百度搜“Kaggle猫狗数据集”，找国内网盘链接（关键词：kaggle cats vs dogs 百度云）
2. 或者去Kaggle官网下载（需注册，地址：
https://www./c/dogs-vs-cats/data）
下载后按这个结构放好：
data/
train/
cat/ # 放所有猫的图片
dog/ # 放所有狗的图片
test/
cat/ # 测试用的猫图片
dog/ # 测试用的狗图片
然后用代码加载数据：
import torch
from torchvision import datasets, transforms
import matplotlib.pyplot as plt
# 数据预处理
transform = transforms.Compose([
transforms.Resize((224, 224)), # 统一改成224×224像素
transforms.RandomHorizontalFlip(), # 随机翻转图片，增加数据多样性
transforms.ToTensor(), # 转成模型能读的格式
transforms.Normalize(mean=[0.485, 0.456, 0.406], # 标准化，加速训练
std=[0.229, 0.224, 0.225])
])
# 加载数据集
train_data = datasets.ImageFolder(‘data/train’, transform=transform)
test_data = datasets.ImageFolder(‘data/test’, transform=transform)
# 批量加载数据
train_loader = torch.utils.data.DataLoader(train_data, batch_size=32, shuffle=True)
test_loader = torch.utils.data.DataLoader(test_data, batch_size=32)
# 看看数据对不对
print(f’训练集有{len(train_data)}张图，测试集有{len(test_data)}张图’)
print(f’类别：{train_data.classes}’) # 应该显示[‘cat’, ‘dog’]
先看看数据长啥样？可视化代码
运行这段代码，就能看到数据集中的猫狗图片，确认数据没问题：
def imshow(img):
”’把模型能读的格式转成人能看的图片”’
img = img.numpy().transpose((1, 2, 0))
mean = np.array([0.485, 0.456, 0.406])
std = np.array([0.229, 0.224, 0.225])
img = std * img + mean # 反标准化
img = np.clip(img, 0, 1) # 保证图片颜色正常
plt.imshow(img)
plt.axis(‘off’)
# 取一批数据展示
images, labels = next(iter(train_loader))
# 画个网格看8张图
fig = plt.figure(figsize=(12, 8))
for i in range(min(8, len(images))):
ax = fig.add_subplot(2, 4, i+1)
imshow(images[i])
ax.set_title(train_data.classes[labels[i]]) # 显实类别
plt.show()
数据集中的猫狗图片，是不是很可爱？
打开今日头条查看图片详情
重点来了！用迁移学习快速建模型
不用自己设计复杂网络！咱们直接用别人训练好的ResNet18模型：
from torchvision import models
import torch.nn as nn
# 加载预训练好的模型
model = models.resnet18(pretrained=True)
# 冻结前面的层
for param in model.parameters():
param.requires_grad = False
# 只改最后一层：让模型学会区分’猫’和’狗’
num_features = model.fc.in_features # 获取最后一层的输入特征数
model.fc = nn.Sequential(
nn.Linear(num_features, 512), # 加一层中间层
nn.ReLU(), # 激活函数，增加非线性
nn.Dropout(0.5), # 防止过拟合
nn.Linear(512, 2) # 输出2类：猫和狗
)
# 用GPU加速（没有GPU也能跑，就是慢点）
device = torch.device(‘cuda:0’ if torch.cuda.is_available() else ‘cpu’)
model = model.to(device)
print(‘模型建好了！结构长这样：’)
print(model)
训练模型：代码抄进去，等着出结果
复制这段代码，运行后会自动训练+显示进度，新手不用懂原理也能跑：
import torch.optim as optim
from tqdm import tqdm # 显示进度条的工具
# 定义损失函数和优化器
criterion = nn.CrossEntropyLoss() # 分类问题常用损失函数
optimizer = optim.Adam(model.fc.parameters(), lr=0.001) # 只优化最后一层
# 训练参数
num_epochs = 10 # 训练10轮，足够出效果了
train_losses = [] # 记录损失
val_accuracies = [] # 记录准确率
# 开始训练
for epoch in range(num_epochs):
model.train() # 切换到训练模式
running_loss = 0.0
# 用进度条显示训练过程
loop = tqdm(train_loader, desc=f’第{epoch+1}轮训练’)
for images, labels in loop:
# 把数据传到GPU（如果有的话）
images, labels = images.to(device), labels.to(device)
# 前向传播：算预测结果
outputs = model(images)
loss = criterion(outputs, labels) # 算预测和真实的差距
# 反向传播：调整参数
optimizer.zero_grad() # 清空之前的梯度
loss.backward() # 计算梯度
optimizer.step() # 更新参数
running_loss += loss.item()
loop.set_postfix(当前损失=loss.item()) # 显示当前损失
# 记录每轮的平均损失
epoch_loss = running_loss / len(train_loader)
train_losses.append(epoch_loss)
# 测试一下模型准不准
model.eval() # 切换到评估模式
correct = 0
total = 0
with torch.no_grad(): # 评估时不计算梯度，省内存
for images, labels in test_loader:
images, labels = images.to(device), labels.to(device)
outputs = model(images)
_, predicted = torch.max(outputs.data, 1) # 取预测概率最高的类别
total += labels.size(0)
correct += (predicted == labels).sum().item() # 算对了多少
# 计算准确率
accuracy = 100 * correct / total
val_accuracies.append(accuracy)
print(f’第{epoch+1}轮结果：损失={epoch_loss:.4f}，测试准确率={accuracy:.2f}%’)
# 保存模型
torch.save(model.state_dict(), ‘猫狗识别模型.pth’)
print(‘模型保存好了！叫’猫狗识别模型.pth”)
看看训练效果：画个图直观感受
训练完了，用代码画个图，看看模型是不是越学越好：
plt.figure(figsize=(12, 5))
# 左边画损失曲线（应该越来越低）
plt.subplot(1, 2, 1)
plt.plot(train_losses, label=’训练损失’)
plt.title(‘训练损失变化’)
plt.xlabel(‘训练轮数’)
plt.ylabel(‘损失值’)
plt.legend()
# 右边画准确率曲线
plt.subplot(1, 2, 2)
plt.plot(val_accuracies, label=’测试准确率’, color=’orange’)
plt.title(‘测试准确率变化’)
plt.xlabel(‘训练轮数’)
plt.ylabel(‘准确率(%)’)
plt.legend()
plt.tight_layout()
plt.show()
打开今日头条查看图片详情
模型评估：看看哪里对得多，哪里错得多
用混淆矩阵看看模型表现，比如是不是把猫认错成狗的情况多：
def evaluate_model(model, data_loader):
model.eval()
correct = 0
total = 0
all_preds = [] # 记录所有预测结果
all_labels = [] # 记录所有真实标签
with torch.no_grad():
for images, labels in data_loader:
images, labels = images.to(device), labels.to(device)
outputs = model(images)
_, predicted = torch.max(outputs.data, 1)
total += labels.size(0)
correct += (predicted == labels).sum().item()
all_preds.extend(predicted.cpu().numpy())
all_labels.extend(labels.cpu().numpy())
# 计算准确率
accuracy = 100 * correct / total
print(f’最终测试准确率：{accuracy:.2f}%’) # 一般能到95%左右
# 画混淆矩阵
from sklearn.metrics import confusion_matrix
import seaborn as sns
cm = confusion_matrix(all_labels, all_preds)
plt.figure(figsize=(8, 6))
sns.heatmap(cm, annot=True, fmt=’d’, cmap=’Blues’,
xticklabels=[‘预测为猫’, ‘预测为狗’],
yticklabels=[‘实际是猫’, ‘实际是狗’])
plt.title(‘混淆矩阵：看看模型哪里容易错’)
plt.show()
return accuracy
# 评估一下
test_accuracy = evaluate_model(model, test_loader)
打开今日头条查看图片详情
实战预测：拿张照片让模型认一认
找张自己的猫/狗照片，用这段代码让模型预测，超有成就感！
from PIL import Image # 处理图片的库
def predict_image(image_path):
# 加载图片并预处理
image = Image.open(image_path)
image = transform(image).unsqueeze(0).to(device) # 加个batch维度
# 预测
model.eval()
with torch.no_grad():
output = model(image)
_, predicted = torch.max(output, 1)
class_idx = predicted.item()
# 算一下预测的 confidence
probability = torch.nn.functional.softmax(output, dim=1)[0][class_idx].item()
# 显示结果
plt.imshow(Image.open(image_path))
plt.axis(‘off’)
plt.title(f’模型说这是：{train_data.classes[class_idx]}（可信度{probability*100:.1f}%）’)
plt.show()
return train_data.classes[class_idx]
# 测试一下
predict_image(‘我家的猫.jpg’) # 替换成你的图片路径
predict_image(‘邻居家的狗.jpg’) # 替换成你的图片路径
新手必看：常见问题+优化技巧
没GPU？这样加速训练
· 用Google Colab（免费GPU）：打开colab.google，新建笔记本，代码粘进去，运行时选’修改→笔记本设置→硬件加速器→GPU’
· 减小图片尺寸：把Resize((224,224))改成Resize((112,112))，训练更快（准确率略降）
想让模型更准？加这3行代码
# 1. 更强的数据增强（让模型见更多样的图片）
打开今日头条查看图片详情
transform = transforms.Compose([
transforms.RandomResizedCrop(224), # 随机裁剪
transforms.RandomRotation(15), # 随机旋转
transforms.ColorJitter(brightness=0.2), # 随机调亮度
transforms.ToTensor(),
transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
])
# 2. 学习率自动调整（让模型学得更稳）
scheduler = optim.lr_scheduler.ReduceLROnPlateau(optimizer, mode=’max’, factor=0.1, patience=2)
# 3. 早停机制（防止学过头）
best_accuracy = 0
patience_counter = 0
# 在每轮验证后加这段：
if accuracy > best_accuracy:
best_accuracy = accuracy
torch.save(model.state_dict(), ‘最好的模型.pth’)
patience_counter = 0
else:
patience_counter += 1
if patience_counter >= 3: # 3轮没进步就停
print(‘差不多了，停！’)
break
打开今日头条查看图片详情
模型怎么存起来以后用？
训练好的模型存在猫狗识别模型.pth里，以后用的时候加载：
# 加载模型
model.load_state_dict(torch.load(‘猫狗识别模型.pth’))
model = model.to(device) # 别忘了传到GPU
学会了能做啥？这些方向可以试试
· 改改代码，做’猫/狗/其他动物’三分类
· 训练一个’人脸/风景’识别器
· 给宠物APP加个自动分类功能
打开今日头条查看图片详情
完整代码打包放这了：[GitHub链接]
跟着敲完代码的同学，有任何报错或疑问，直接留言，我来帮你解决~ 学会这招，以后别人问你’会AI吗’，就可以自信地说’会啊，我做过猫狗识别呢！’