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 ResNetFlaskPyQt 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(pretrainedTrue) # 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 512ResNet50 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(brightness0.3, contrast0.3), 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, transformtrain_transform) val_dataset datasets.ImageFolder(data/val, transformval_transform) train_loader DataLoader(train_dataset, batch_size32, shuffleTrue, num_workers2) val_loader DataLoader(val_dataset, batch_size32, shuffleFalse, num_workers2)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(), lr1e-4) # 微调用小学习率 scheduler StepLR(optimizer, step_size5, gamma0.1) # 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(fEpoch {epoch1}/{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 API3.1 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(pretrainedFalse) 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_classes5) checkpoint torch.load(best_model.pth, map_locationdevice) 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()}pretrainedFalse是关键加载权重时不会再联网下载模型map_locationdevice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, dim1) top_prob, top_idx torch.topk(probs, k3) 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127.0.0.1:5000HTML5 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(host127.0.0.1, port5000)想用手机在同一局域网里测 HTML5 页面就改成app.run(host0.0.0.0, port5000)。注意debugTrue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, aspectRatioMode1)) try: with open(path, rb) as f: resp requests.post( http://127.0.0.1:5000/predict, files{image: f}, timeout10 ) 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)})aspectRatioMode1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timeout10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 langzh-CN head meta charsetUTF-8 title动物图像分类系统/title /head body h2动物图像分类系统/h2 input typefile idimageInput acceptimage/* img idpreview width300 height220 alt预览区 div idresult/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 stylecolor: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 stylecolor:red请求失败请确认 Flask 已启动/p; }); }); /script /body /htmlFormData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:0CPU 机器加载时照本宣科。解决加载时固定写torch.load(best_model.pth, map_locationcpu)或在 Flask 里用map_locationdevice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debugTrue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debugTrue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debugFalse。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CtrlC没关干净后台进程还在监听。解决换端口启动最简单app.run(port5001)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(pretrainedTrue)换成models.resnet50(pretrainedTrue)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