简介：基于深度学习的动物识别项目代码包，包含完整的CNN动物图像分类流程，面向计算机视觉、人工智能方向的学生完成毕业设计或课程设计。项目覆盖从数据准备到模型评估的全链路：建立包含不同场景的动物图片数据集，进行归一化、划分训练集/验证集/测试集，通过前向传播与反向传播机制迭代优化参数，在模型设计上兼顾精度与效率，便于针对不同数据规模灵活调整。压缩包共7个文件，6个Python脚本配合1个Markdown文档，整体仅12KB，结构组织清晰：split_data.py负责将原始数据按比例划分，train.py运行主训练流程，train_continue.py支持加载已有权重继续训练，test_single.py可对单张图片实时识别，test_all.py批量验证泛化能力，test_score.py统计平均准确率，README.md说明环境配置与运行方式。目前已有81人浏览学习，适合需要系统搭建图像识别实验框架、理解CNN训练与评估全流程的初学者，可直接基于脚本进行二次开发。
1. 当你的交付物是一个压缩包，真正的门槛在数据而不在模型
“基于深度学习的动物识别。zip”——如果你的工作交给别人的时候，最后是一个压缩包，那说明这件事还没有结束。一个能跑的代码包背后，真正的难点不是选哪个网络，而是你有没有把数据、标签、训练流程和部署环境一次性收拾利索。动物识别这个任务，在深度学习里属于图像分类的标准场景，但它和通用的猫狗分类不一样的地方在于：类间差异大、类内差异也不小，比如同一种猫的不同毛色会被当成不同物种；而像豹子和雪豹，普通分类网络很容易糊在一起。真正做过一遍的人都会认同一个反直觉的结论：模型掉点，八成是数据先出了问题，数据管线理顺了，精度自然而然就上去了。这篇文章会从任务拆解、环境搭建、数据工程质量、训练参数设计和最后的验证技巧，把一条能落地的路径完整走一遍。
2. 动物识别怎么拆：先定任务边界，再挑网络骨架
2.1 细粒度分类和普通分类，选模型的标准完全不同
动物识别在公开数据集上通常分成两类玩法。第一类是常见的“物种分类”，类目跨度大，比如猫、狗、大象、老虎，类间差异足够明显，一个预训练的ResNet50就能拿到不错的基线。第二类是细粒度分类，比如识别“东北虎”和“孟加拉虎”，或者“雪豹”和“花豹”，这类任务在公开数据集上往往只有几千张图，且很多类之间只差条纹或斑点的分布，普通分类损失训练出来的特征图在最后几层几乎只关注纹理，不关注整体结构，所以容易误判。
在做这个标题对应的项目时，我一般会先问自己一个问题：用户拿到这个工具，是想判断画面里“是不是动物”，还是想判断“是哪种动物”？前者是二分类，用YOLO或者SSD做检测然后跟一个分类头；后者才是纯粹的图像分类问题。本文以“物种识别”为主，因为这是大多数课程设计、竞赛练手和工具类需求的主场景。
2.2 网络骨架选型：从ResNet到EfficientNet的取舍
如果你没有特殊硬件要求，就用预训练模型做迁移学习。这里有一个基本规律：越深的网络，在小数据集上越容易过拟合，所以“层数越多越好”在这个场景里是错的。以100个类、每类大约200张图为例，我通常会在ResNet34、ResNet50和EfficientNet-B3之间做选择。
| 模型 | 输入尺寸 | 参数量 | 在细粒度任务上的特点 | 适用场景 |
|---|---|---|---|---|
| ResNet34 | 224×224 | 21.8M | 收敛快，内存占用低，不容易过拟合 | 快速基线、CPU推理 |
| ResNet50 | 224×224 | 25.6M | 特征表达更强，配合数据增强效果好 | 默认选择，多数动物数据集够用 |
| EfficientNet-B3 | 300×300 | 12.0M | 同精度下计算量更小，但训练节奏偏慢 | 数据量较充足、追求精度上限 |
选择EfficientNet时要注意一个细节：不同版本的缩放系数对应不同的输入分辨率，B3是300×300，B4是380×380。直接把B4用在224×224上面不会省参数，反而会破坏预训练权重对感受野的假设，效果往往不如B3。
2.3 损失函数：标签平滑比换损失更实用
动物识别是标准的多分类问题，CrossEntropyLoss是默认选择，但有一个小改动能让收敛更稳定：标签平滑。它的思路是，不把正确类别的标签写成1，其他写成0，而是给每个类别留一点概率余量，让模型不要对训练样本过于自信。这个技巧在类间相似度高的时候尤其有效，因为它能抑制特征空间的过度锐化，给相似类别留出容错区域。
import torch.nn as nn class SoftTargetCrossEntropy(nn.Module): def __init__(self, num_classes, smoothing=0.1): super().__init__() self.num_classes = num_classes self.smoothing = smoothing def forward(self, logits, targets): confidence = 1.0 - self.smoothing # 将目标转换为平滑后的概率分布 target_probs = torch.full_like(logits, self.smoothing / self.num_classes) target_probs.scatter_(1, targets.unsqueeze(1), confidence) log_probs = torch.log_softmax(logits, dim=1) return (-target_probs * log_probs).sum(dim=1).mean()这段代码把硬标签转成了带平滑项的软标签，scatter_的作用是在对应类别位置填入confidence值，然后计算KL散度形式的交叉熵。标签平滑系数一般取0.1，太小没有效果，太大会导致模型欠拟合。对动物识别这种类间有混叠的数据集，0.05到0.1都是合理区间。
3. 环境配置与数据管线：把训练前的事当工程做
3.1 PyTorch环境搭建：避免CUDA和cuDNN互相打架
业内训练主流方案是PyTorch框架。环境配置里最容易出问题的不是PyTorch本身，而是CUDA版本和显卡驱动之间对不上。一个稳妥的做法是直接用Anaconda创建虚拟环境，然后用PyTorch官网的pip命令安装带CUDA支持的版本，不要单独手动装CUDA Toolkit。
以Linux服务器为例子：
conda create -n animal python=3.9 -y conda activate animal pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install pandas matplotlib opencv-python albumentations scikit-learn参数说明：cu118表示CUDA 11.8对应的版本，如果你的显卡驱动是525以上，这个版本通用性最好。安装完成后，用一条命令验证环境是否可用：
import torch print(torch.__version__) print(torch.cuda.is_available()) print(torch.cuda.get_device_name(0))torch.cuda.is_available()为True才说明GPU可用。如果显示False，先去查nvidia-smi的驱动版本，如果驱动正常而PyTorch检测不到，大概率是PyTorch版本装成了CPU-only，重装带CUDA后缀的版本即可。
3.2 数据清洗：先解决错误标签，再谈数据增强
动物数据集最隐蔽的坑是标签错误。网络上爬下来的数据，很多图的标签是错的，尤其细分类目。训练前做一遍人工抽检是值得的：每个类别随机抽出20张图，拼成网格可视化，人工确认是否混入明显错误样本。这个动作看着笨，但能避免模型学到“类别A=某种背景”这种假规律。
清洗完成之后，按8:1:1划分训练集、验证集和测试集。划分时要以“个体”为单位，而不是以“图片”为单位，否则同一只动物的多张照片会同时出现在训练集和测试集里，指标看起来高，实际部署时一塌糊涂。
3.3 图像预处理和数据增强：让模型看到更大范围的“变异”
动物图像和通用物体不一样，角度变化、遮挡和光照差异非常大。数据增强的策略应该偏向几何变换和颜色扰动，而不是强模糊或随机擦除。
import albumentations as A from albumentations.pytorch import ToTensorV2 train_transform = A.Compose([ A.Resize(224, 224), A.RandomResizedCrop(224, 224, scale=(0.8, 1.0)), A.HorizontalFlip(p=0.5), A.ShiftScaleRotate(shift_limit=0.05, scale_limit=0.1, rotate_limit=15, p=0.5), A.ColorJitter(brightness=0.2, contrast=0.2, saturation=0.2, hue=0.05, p=0.5), A.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), ToTensorV2() ]) val_transform = A.Compose([ A.Resize(224, 224), A.CenterCrop(224, 224), A.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), ToTensorV2() ])这里的主要参数：RandomResizedCrop的scale控制裁剪区域占原图的比例，0.8到1.0表示允许最小裁剪到80%，这对保持动物主体完整很重要，太小会把动物截成碎片；ShiftScaleRotate的rotate_limit设置为15度，因为动物照片通常不是任意旋转角度，超过30度的旋转会引入大量不自然的样本；ColorJitter的hue只取0.05，动物体色在色相上的扰动太大会混淆不同物种的皮肤和毛发颜色。
验证集和测试集只做Resize和Normalize，不做随机增强，这样才能保证指标可比。这里用的均值标准差是ImageNet的标准值，如果从头训练自己的数据集，需要用统计方式重新计算，但迁移学习场景下沿用ImageNet的数值即可。
3.4 数据加载器设计：num_workers和pin_memory对训练速度的影响
数据管线里最容易被忽视的是DataLoader的配置。在GPU训练时，如果数据加载慢，GPU会频繁处于空闲状态，训练时间直接翻倍。合理的做法是设置num_workers为CPU核心数的一半左右，并开启pin_memory。
from torch.utils.data import DataLoader train_loader = DataLoader( train_dataset, batch_size=64, shuffle=True, num_workers=8, pin_memory=True, drop_last=True ) val_loader = DataLoader( val_dataset, batch_size=64, shuffle=False, num_workers=8, pin_memory=True )pin_memory=True的作用是把数据锁页到内存中，GPU拷贝时走更快的数据通道，这个配置几乎无偿提升5%到10%的训练吞吐。drop_last=True是训练时常用的设置，当最后一批不足batch_size时直接丢弃，避免BatchNorm层的统计量被小批量样本干扰，验证阶段不做丢弃。
4. 训练与调参：超参设定和过拟合判断
4.1 优化器和学习率策略：SGD动量法与Warmup的使用
动物识别项目里最简单可靠的优化器是带动量的SGD，不是Adam。原因是Adam在细粒度分类里容易前期收敛快、后期精度上限低，主要体现在验证集精度上不去。SGD配合余弦退火学习率调度，在当前场景下是经验上最稳的组合。
import torch.optim as optim from torch.optim.lr_scheduler import CosineAnnealingLR model = torchvision.models.resnet50(pretrained=True) model.fc = nn.Linear(model.fc.in_features, 100) # 替换分类头 optimizer = optim.SGD( model.parameters(), lr=0.01, momentum=0.9, weight_decay=1e-4 ) scheduler = CosineAnnealingLR(optimizer, T_max=50, eta_min=1e-6)参数说明：lr=0.01是针对全模型微调的常用起点。如果只训练最后的全连接层，学习率可以放到0.1，但全参数微调时0.01更安全。T_max=50表示余弦周期长度，如果总训练轮数不是50，这个值应改为总轮数。eta_min设成初始学习率的万分之一，保证后期还有微调能力。
4.2 训练循环：日志记录和Checkpoint保存
训练脚本里至少要做三件事：记录每个epoch的损失和精度、保存最优模型、在验证集上做完整评估。
import torch from tqdm import tqdm device = torch.device("cuda" if torch.cuda.is_available() else "cpu") def train_one_epoch(model, loader, criterion, optimizer, device): model.train() total_loss = 0.0 correct = 0 total = 0 for images, labels in tqdm(loader, desc="Training"): images, labels = images.to(device), labels.to(device) optimizer.zero_grad() outputs = model(images) loss = criterion(outputs, labels) loss.backward() optimizer.step() total_loss += loss.item() * images.size(0) _, preds = torch.max(outputs, 1) correct += (preds == labels).sum().item() total += labels.size(0) return total_loss / total, correct / total def evaluate(model, loader, criterion, device): model.eval() total_loss = 0.0 correct = 0 total = 0 with torch.no_grad(): for images, labels in tqdm(loader, desc="Validating"): images, labels = images.to(device), labels.to(device) outputs = model(images) loss = criterion(outputs, labels) total_loss += loss.item() * images.size(0) _, preds = torch.max(outputs, 1) correct += (preds == labels).sum().item() total += labels.size(0) return total_loss / total, correct / total训练后在每个epoch结束时比较验证集精度，如果当前精度高于历史最优，就保存模型权重。保存时用state_dict而不是整个模型，这样跨Python版本和PyTorch版本的迁移更安全。
4.3 过拟合判断：看训练损失和验证损失之间的距离
动物识别小数据集最容易出现的情况是：训练损失持续下降，验证损失在某个epoch开始反弹，这说明模型在记忆训练图像的背景、毛发纹理等特征，而不是泛化的物种特征。应对方案有三种，按优先级排序：增强正则化、降低模型容量、增加数据量。
| 症状 | 原因 | 优先处理方式 |
|---|---|---|
| 训练损失低，验证损失高 | 过拟合 | 增大数据增强强度，weight_decay改为5e-4 |
| 训练损失和验证损失都很高 | 欠拟合 | 增大学习率到0.05或增加训练轮数 |
| 验证损失波动剧烈 | 学习率过大 | 将初始学习率降低一半 |
| 验证精度比随机略高但停滞 | 标签噪声大 | 检查数据清洗，按类别可视化错误样本 |
判断时机也很重要：不要在训练前10个epoch就频繁干预，SGD加余弦退火的前期损失下降幅度看起来很小，属于正常现象。真正的判断窗口是中期的验证损失曲线斜率变化，从第20个epoch开始关注它是否与训练损失收敛到同一水平线。
5. 部署验证进阶技巧：类别激活图和Hard Negative挖掘
5.1 Grad-CAM可视化：验证模型到底在看什么
模型推理结果对了，但心里没底怎么办。用Grad-CAM把最后的卷积特征图叠加到原图上，可以看到模型分类时关注的区域。如果一只鸟被识别成“鸟”，但热力图集中在树枝上而不是鸟的身体，说明模型学到了背景线索，这是过拟合的另一个表现形式。
import cv2 import numpy as np import torch import torch.nn.functional as F def grad_cam(model, tensor_image, target_class): model.eval() tensor_image = tensor_image.unsqueeze(0).to(device) tensor_image.requires_grad = True features = [] gradients = [] def forward_hook(module, input, output): features.append(output) def backward_hook(module, grad_input, grad_output): gradients.append(grad_output[0]) # 注册到最后一个卷积层 target_layer = model.layer4[-1] f_handle = target_layer.register_forward_hook(forward_hook) b_handle = target_layer.register_full_backward_hook(backward_hook) output = model(tensor_image) model.zero_grad() score = output[0, target_class] score.backward() f_handle.remove() b_handle.remove() activations = features[0].squeeze(0) grads = gradients[0].squeeze(0) weights = grads.mean(dim=(1, 2), keepdim=True) cam = (weights * activations).sum(dim=0).detach().cpu().numpy() cam = np.maximum(cam, 0) cam = cv2.resize(cam, (tensor_image.shape[3], tensor_image.shape[2])) cam = (cam - cam.min()) / (cam.max() - cam.min() + 1e-8) return cam这里的关键是把register_full_backward_hook注册到layer4[-1]，不同网络结构下目标层的名字不一样，ResNet系列是layer4[-1]，EfficientNet对应最后一个MBConv模块。如果热力图完全无信号，先确认模型是否在torch.no_grad()下运行，Grad-CAM需要梯度，必须在梯度开启的状态下做前向。
5.2 用Hard Negative帮助排查相似物种
部署场景里最常见的错误是把花豹认成猎豹，这种错误不是靠训练就能完全消除的。可以用一个简单方法找模型的薄弱点：对每个测试类别，找出预测概率排名第二的类别，如果第二名的置信度超过阈值，把这张图单独导出到一个文件夹，人工检查这批“难题”。
这条处理路径的实战意义是：与其攒更多同类图片再训练一遍，不如针对性地增加难点类别的数据量。普通分类模型对相似物种的误判，往往只要在易混类别之间额外补充数据，微调10到20个epoch，就能显著降低混淆率。
整套项目的落地点是拿到一个压缩包后直接能跑的训练脚本、清洗过的数据、能复现的参数和能解释的模型。把这些做扎实，动物识别这个题目才算真正做完。
本文还有配套的精品资源，点击获取
