TensorFlow实战：基于CNN的鞋类图像分类完整流程

前几天翻旧项目，看到了之前跑通的一个 TensorFlow 鞋类识别实验。说实话，这个实验用到的模型并不新颖，网络结构就是最经典的卷积神经网络，但整套跑下来，从数据预处理、模型选型到训练调优，每一个环节都有值得复盘的地方。尤其适合刚学完深度学习基础、准备动手做第一个图像分类项目的同学。这篇文章我就把整个实验的完整链路讲一遍：为什么选鞋类识别、为什么用 TensorFlow、数据怎么处理、网络怎么搭、训练怎么调、遇到问题怎么排查，全部基于我实际跑过的经验，代码基于 TensorFlow 2.x，可以照着复现。

1. 实验动机与技术选型

1.1 为什么选鞋类识别作为实验切口

图像分类是深度学习入门最经典的场景，但很多人一上来就去挑战高分辨率、超大规模的分类任务，结果卡在环境搭建、显存不足、训练时间过长这些问题上，连一个完整的闭环都没走通就放弃了。鞋类识别是一个很合适的中间档：图片分辨率不高，只有 28×28 像素，训练速度非常友好，普通 CPU 也能在十几分钟内跑完；但任务本身又不像“猫狗分类”那样简单到随便一个模型就能拿高分。

公开服饰数据集中一共有 10 个类别，其中凉鞋、运动鞋、短靴三类就属于鞋类。这三类之间存在明显的混淆场景：运动鞋和短靴都是包裹型鞋款，在低分辨率灰度图下，轮廓和纹理差异很小；凉鞋虽然露趾，但鞋底、鞋带的局部特征依然容易和另外两类混在一起。想在这三类上拿到不错的准确率，不是套一个模型就行的，需要仔细处理数据分布、合理设计卷积核、控制过拟合，每一步都很有价值。

从应用场景来说，鞋类识别也不是一个“为了做实验而做实验”的题目。电商平台需要根据用户上传图片自动判断鞋款类目，做个性化推荐和库存管理；无人零售场景需要识别顾客拿走的商品是否属于鞋类；甚至在二手交易平台上，自动给商品图片打标签也需要这样的视觉分类能力。这个实验训练出的模型虽然简单，但整个流程可以直接迁移到这些场景中。

1.2 为什么选择 TensorFlow 2.x 而不是其他框架

选框架这件事，我在实验前纠结过。PyTorch 的代码风格更灵活，调试起来很直接；TensorFlow 2.x 则把 Keras 作为高级 API 融入主流程，写起来非常像搭积木。最终选择 TensorFlow，主要有三个原因。

第一，Keras 的 Sequential 模型非常适合这种入门级图像分类任务。几层卷积、几层池化、一个 Flatten、几个全连接，用model.add()或者列表直接堆出来，没有任何“仪式感”强的样板代码，模型结构一目了然，对新手非常友好。

第二，TensorFlow 2.x 的生态配套很完整。model.fit()一行代码就能完成训练过程，自动输出 loss 和 accuracy；配合validation_split参数可以直接切出验证集；训练结束后model.evaluate()评估、model.predict()推理，API 设计非常统一。这些能力在实验阶段能极大减少写辅助代码的时间，让我把精力集中在调参和分析结果上。

第三，这个实验的目的不是研究模型结构创新，而是理解 CNN 的基本原理和完整训练流程。TensorFlow 2.x 的动态图执行模式（Eager Execution）默认开启，每一行代码执行后都能直接看到张量的形状和值，排查问题非常直观。再加上可视化工具和模型保存加载机制都足够成熟，做复盘时也很方便。

如果使用的是 PyTorch，当然也能完成整个实验，但在“快速验证思路+清晰展示流程”这个目标下，TensorFlow 2.x 的 Keras 接口确实是更省事的那个选项。

1.3 实验环境与可复现设置

先说环境。Python 版本建议 3.8 以上，TensorFlow 直接安装 2.x 即可。我的运行环境是 Windows 11，CPU 训练，没有使用 GPU。很多人担心没有显卡就跑不了深度学习，实际上对于这个实验完全不是问题，28×28 的灰度图，一个只有几十万参数的模型，15 轮训练在 CPU 上也只需要几分钟到十几分钟。

依赖库除了 TensorFlow，还需要 NumPy 和 Matplotlib。安装命令如下：

pip install tensorflow numpy matplotlib scikit-learn

这里加一个scikit-learn是为了后面画混淆矩阵，其实核心训练用不到它，但做结果分析时非常有用。

为了实验结果可复现，需要设置随机种子。深度学习中很多操作（如权重初始化、数据打乱）都依赖随机数，不固定种子的话，两次训练结果会有波动，这会给调参带来干扰。固定种子的代码如下：

import numpy as np import tensorflow as tf import random seed = 42 random.seed(seed) np.random.seed(seed) tf.random.set_seed(seed)

还有一个容易被忽略的技巧：在训练开始前设置一下 GPU 显存按需增长（即使当前用 CPU 也要养成习惯）。TensorFlow 默认会尝试占满可用显存，如果是在公共服务器或者有人共用 GPU 的环境下，会导致别人无法使用，甚至自己也会因为显存分配问题报错。

gpus = tf.config.list_physical_devices('GPU') if gpus: try: for gpu in gpus: tf.config.experimental.set_memory_growth(gpu, True) except RuntimeError as e: print(e)

实验刚开始时，我都建议先用 CPU 跑一遍完整流程，确认代码逻辑没问题后再考虑 GPU 提速。这样能避开很多环境层面的坑。

2. 数据集分析与预处理

2.1 数据集构成与核心难点

实验使用的是 Keras 内置的公开服饰图像数据集。数据集规模是 60000 张训练图片和 10000 张测试图片，都是 28×28 像素的灰度图，对应 10 个服装类别。

10 个类别分别是：T 恤、裤子、套头衫、连衣裙、外套、凉鞋、衬衫、运动鞋、包、短靴。其中第 5 类凉鞋、第 7 类运动鞋、第 9 类短靴就是本文实验聚焦的“鞋类三兄弟”。

加载数据集的代码非常简单：

from tensorflow import keras (x_train, y_train), (x_test, y_test) = keras.datasets.fashion_mnist.load_data()

拿到数据后，第一步不是急着写模型，而是打印数据的形状和标签分布。这是我强烈建议每个初学者都养成的习惯。

print(x_train.shape, y_train.shape) print(x_test.shape, y_test.shape) print(np.unique(y_train, return_counts=True))

输出结果大致是：

(60000, 28, 28) (60000,) (10000, 28, 28) (10000,) (array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]), array([6000, 6000, 6000, 6000, 6000, 6000, 6000, 6000, 6000, 6000]))

每个类别都是 6000 张训练样本，分布非常均衡，没有类别不平衡问题。测试集每个类别 1000 张。这意味着直接用总体准确率作为指标是合理的，不需要重点关注召回率、精确率之间的权衡。

这个数据集的难点不在数据量，而在类内差异和类间相似度。同样是运动鞋，有高帮有低帮，有运动跑鞋有帆布鞋；短靴的鞋筒高度变化也很大；凉鞋和部分露趾设计之间，灰度图下看起来会非常接近。所以在设计模型时，不能只追求“堆层数”，要让特征提取部分学会捕捉细节纹理和轮廓差异。

2.2 数据预处理三步走：归一化、通道调整、划分验证集

数据预处理的细节，直接决定模型收敛速度和最终效果。我见过不少同学在这个环节翻车，最常见的错误是忘记归一化，直接把 0~255 的整数像素喂给网络，导致训练时 loss 剧烈震荡甚至不收敛。

第一步是归一化。像素值范围从 0~255 缩放到 0~1，代码就一行：

x_train = x_train.astype('float32') / 255.0 x_test = x_test.astype('float32') / 255.0

这里我直接用/255.0而不是(x-mean)/std。原因很简单：对于这个数据集，均值方差归一化的收益很小，反而增加了代码复杂度。如果做的是大规模真实场景图像分类，均值归一化会更重要，但在这里没必要。

第二步是调整输入形状。Keras 的Conv2D层要求输入是 4 维张量：(batch_size, height, width, channels)。原始数据是(60000, 28, 28)，缺少通道维度。灰度图的通道数为 1，所以需要 reshape：

x_train = x_train.reshape(-1, 28, 28, 1) x_test = x_test.reshape(-1, 28, 28, 1)

这里-1会自动推断为样本数量，不需要手动写死。第三步是从训练集中切出一部分做验证集。验证集用于在训练过程中观察模型是否过拟合，以及决定何时停止训练。注意：验证集和测试集的职责完全不同，验证集用于调参，测试集只用于最终评估，绝对不能混用。

from sklearn.model_selection import train_test_split x_train, x_val, y_train, y_val = train_test_split( x_train, y_train, test_size=0.1, random_state=seed )

切完后训练集 54000 张，验证集 6000 张。验证集比例在图像分类任务中一般设置在 5%~15% 之间，10% 是比较稳的选择。

2.3 进一步聚焦：只做鞋类三分类

实验标题是“鞋类识别”，所以我把实验分成了两层：先做完整的 10 类服饰分类作为基线，再单独把鞋类三兄弟拎出来做细粒度三分类。这样既能看到全局模型的表现，也能专门考察鞋类之间的区分能力。

过滤代码很简单：

shoe_labels = {5, 7, 9} train_mask = np.isin(y_train, list(shoe_labels)) val_mask = np.isin(y_val, list(shoe_labels)) x_shoe_train = x_train[train_mask] y_shoe_train = y_train[train_mask] x_shoe_val = x_val[val_mask] y_shoe_val = y_val[val_mask]

但标签需要重新映射。原来的标签是 5、7、9，跳过了其他类别，如果直接喂给模型做三分类，损失函数计算会认为存在不连续类别。简单做法是做一个字典映射：

label_map = {5: 0, 7: 1, 9: 2} y_shoe_train = np.array([label_map[y] for y in y_shoe_train]) y_shoe_val = np.array([label_map[y] for y in y_shoe_val])

这样三类就变成了 0、1、2。为什么单独拎出来做？因为这里的任务非常能说明问题：在灰度 28×28 的图像上，区分运动鞋和短靴比区分裤子和 T 恤难度高得多。通过对比 10 类模型的鞋类混淆率和 3 类专门模型的准确率，你能清楚看到“专门训练的分类器”相比“通用分类器”在子类上的优势。

3. 模型设计与完整训练实现

3.1 卷积网络结构设计思路

模型结构我使用的是经典的“卷积-池化-卷积-池化-全连接”结构。整体设计如下：

model = keras.Sequential([ keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)), keras.layers.MaxPooling2D((2, 2)), keras.layers.Conv2D(64, (3, 3), activation='relu'), keras.layers.MaxPooling2D((2, 2)), keras.layers.Flatten(), keras.layers.Dropout(0.5), keras.layers.Dense(128, activation='relu'), keras.layers.Dense(10, activation='softmax') ])

这个结构包括两个卷积层，分别提取局部纹理特征和高层抽象特征。第一个卷积层使用 32 个 3×3 卷积核，并配一个 2×2 最大池化；第二个卷积层使用 64 个 3×3 卷积核，再接一个 2×2 最大池化，通道数翻倍，空间尺寸减半。

为什么是两层卷积而不是更多层？这个问题的答案和输入分辨率直接相关。28×28 的图像经过两次 2×2 池化后，空间尺寸已经缩小到 7×7，如果继续加卷积池化，特征图会减小到 3×3，信息损失太严重。浅层网络在这个尺寸上完全够用，堆多了反而容易过拟合。

为什么卷积核要取 32 和 64？因为输入很薄（只有 1 个通道），第一层产出 32 个通道足以覆盖边缘、颜色过渡、线条方向这些基础特征；第二层需要在前一层基础上做组合，通道数翻倍到 64，用来捕捉更复杂的局部模式。这个规律在小型 CNN 里几乎是约定俗成的。

参数数量可以直接手算验证。第一层卷积参数：3×3×1×32 + 32（偏置） = 320。第一层池化后输出尺寸变为 14×14×32。第二层卷积参数：3×3×32×64 + 64 = 18496。第二层池化后输出尺寸变为 7×7×64。Flatten 后得到 3136 维向量。第一个全连接层参数：3136×128 + 128 = 401536。输出层参数：128×10 + 10 = 1290。总参数约 42 万，相比那些动辄上亿参数的预训练模型，这个规模极其小巧，训练速度快且不容易过拟合。

在 Flatten 之后加了一个 Dropout，丢弃率设为 0.5。这是对付过拟合最有效的办法之一，原理是训练时随机让一半神经元不参与工作，使得模型不依赖某几个特定神经元，从而增强泛化能力。注意：Dropout 只在训练阶段生效，验证和测试阶段会自动关闭，所以不要担心它会降低验证集准确率。

3.2 损失函数、优化器与关键参数选择

多分类问题最常用的损失函数是交叉熵。因为标签是整数形式，我选择sparse_categorical_crossentropy，它和categorical_crossentropy的区别只是标签格式不同，前者接收整数标签，后者接收 one-hot 编码，数学原理完全一样。

优化器直接选 Adam，学习率用默认的 0.001。Adam 的优势在于它会分别为每个参数自适应调整学习率，对新手非常友好，省去了手工调整学习率表或冲量的麻烦。如果训练初期 loss 下降很慢，可以尝试把学习率提高到 0.002~0.003，但要随时观察是否震荡；如果 loss 出现忽高忽低的情况，则适当降低学习率。

批次大小设为 32，这是图像分类任务最常用的默认值。批次大小影响训练稳定性和收敛速度：太大会让每轮更新次数变少，模型收敛更慢；太小会导致梯度估计噪声大，loss 曲线更震荡。显存不够时可以降到 16，但如果 CPU 训练则通常没有这个限制。

训练轮数我设为 15，同时配合早停回调。早停是必须加的，否则过拟合后模型权重依然会被保存，最终评估效果会很差。代码如下：

from tensorflow.keras.callbacks import EarlyStopping early_stop = EarlyStopping( monitor='val_loss', patience=3, restore_best_weights=True )

monitor监控验证集损失，连续 3 轮没有改善就停止训练，并自动恢复到验证集表现最好的权重。这是防止过拟合的关键手段。

3.3 完整可复现的训练代码

下面给出完整代码，从数据加载到模型保存，粘贴后可以直接运行：

import numpy as np import random import tensorflow as tf from tensorflow import keras from sklearn.model_selection import train_test_split from sklearn.metrics import classification_report, confusion_matrix import matplotlib.pyplot as plt seed = 42 random.seed(seed) np.random.seed(seed) tf.random.set_seed(seed) # 1. 加载数据 (x_train, y_train), (x_test, y_test) = keras.datasets.fashion_mnist.load_data() # 2. 归一化 + 增加通道维 x_train = x_train.astype('float32') / 255.0 x_test = x_test.astype('float32') / 255.0 x_train = x_train.reshape(-1, 28, 28, 1) x_test = x_test.reshape(-1, 28, 28, 1) # 3. 划分验证集 x_train, x_val, y_train, y_val = train_test_split( x_train, y_train, test_size=0.1, random_state=seed ) # 4. 搭建模型 model = keras.Sequential([ keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)), keras.layers.MaxPooling2D((2, 2)), keras.layers.Conv2D(64, (3, 3), activation='relu'), keras.layers.MaxPooling2D((2, 2)), keras.layers.Flatten(), keras.layers.Dropout(0.5), keras.layers.Dense(128, activation='relu'), keras.layers.Dense(10, activation='softmax') ]) model.compile( optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'] ) model.summary() # 5. 训练 history = model.fit( x_train, y_train, batch_size=32, epochs=15, validation_data=(x_val, y_val), callbacks=[EarlyStopping(monitor='val_loss', patience=3, restore_best_weights=True)] ) # 6. 评估 test_loss, test_acc = model.evaluate(x_test, y_test, verbose=0) print(f'测试集准确率: {test_acc:.4f}')

训练过程中你应该会看到类似这样的输出：第一轮准确率在 0.75 左右，第 5 轮达到 0.90，第 10 轮之后稳定在 0.91~0.93。对于 10 类服饰分类任务，这个准确率在合理范围内。

训练完成后，模型可以用一行代码保存：

model.save('shoe_classifier.h5')

之后加载则使用keras.models.load_model('shoe_classifier.h5')。这个习惯一定要养成，训练十几个小时好不容易得到的权重，别关电脑就没了。

4. 训练结果观察、评估与高频问题排查

4.1 训练曲线怎么看：验证集是唯一的“诚实裁判”

训练完成后，第一件事是画损失曲线和准确率曲线，这个过程能直观看出模型有没有过拟合。

plt.figure(figsize=(12, 4)) plt.subplot(1, 2, 1) plt.plot(history.history['loss'], label='train_loss') plt.plot(history.history['val_loss'], label='val_loss') plt.legend() plt.title('Loss Curve') plt.subplot(1, 2, 2) plt.plot(history.history['accuracy'], label='train_acc') plt.plot(history.history['val_acc'], label='val_acc') plt.legend() plt.title('Accuracy Curve') plt.show()

正常的曲线应该是训练集损失和验证集损失都缓慢下降并趋于平稳。如果出现训练集损失持续下降但验证集损失在某个点后反弹上升，就是典型的过拟合信号。这时候不要急着调节模型结构，先检查 EarlyStopping 有没有真正生效，以及 Dropout 是不是放的位置不对。

我在第一次跑这个实验时犯过一个典型错误：只看训练集准确率，不关注验证集，看到准确率到了 0.95 还很开心，结果测试集一测只有 0.86。后来发现模型把训练集背了下来，对没见过的数据完全失效。从那以后我养成了一个习惯：任何一次训练，验证集曲线比训练集曲线更重要。训练集准确率高而验证集准确率低，说明泛化差；验证集准确率跟上，才是真正的效果好。

4.2 混淆矩阵分析与鞋类误判规律

准确率是一个过于宏观的指标。要了解模型到底在哪些类别上犯难，必须看混淆矩阵。

pred_probs = model.predict(x_test) pred_classes = np.argmax(pred_probs, axis=1) cm = confusion_matrix(y_test, pred_classes) print(cm)

在 10 类模型的混淆矩阵中，最容易出现的错误是：短靴被误判为运动鞋，以及凉鞋被误判为短靴。原因是这些类别的局部纹理在低分辨率灰度图中非常相近。如果你观察到衬衫被误判为 T 恤、连衣裙被误判为外套，也属于正常现象，因为服装大类之间本身就有形态重叠。

针对鞋类三分类模型，我单独跑过一次，测试准确率大约在 0.95~0.97 之间，比 10 类模型里鞋类这三类的平均表现高了约 3~4 个百分点。这说明一个很朴素的道理：当任务范围收窄时，有限的特征容量可以更专注地学习类间差异。这也是实际业务中常说的“垂直场景专用模型”价值所在。

如果想直观看到模型具体的预测效果，可以随机从测试集中挑几张图片，把它们和预测结果一起展示出来。对鞋类识别来说，这一步非常有助于判断模型是在“看纹理”还是“看轮廓”。

4.3 高频问题排查速查表

实验中无论新手还是老手，总会碰到几个反复出现的坑。我把它们整理成一张速查表，直接照着排查即可。

这张表里的每一条我都踩过不止一次，尤其是 shape 不匹配的问题。Keras 虽然对层与层之间的形状检查比较严格，但对 Flatten 之后与 Dense 的连接，很多人还是会算不清楚。最稳妥的办法就是先model.summary()打印输出，而不是凭感觉接层。

4.4 实操中的几个额外心得

除了上面的问题排查，还有几个经验值得单独说。

第一个心得是：小样本试探性训练。完整 54000 张训练图片，即使 CPU 训练很快，调试模型结构时也建议先只用 5000 张样本、训练 2~3 轮，确认代码通顺、loss 在下降后，再进入正式训练。这样能极大节省试错时间。

第二个心得是：不要盲目增加网络层数。有人一听准确率不够高就想把网络加深加宽，结果在 28×28 这样的低分辨率输入上，更深的结构迅速过拟合，效果反而更差。正确的做法是优先调整 Dropout 比例、增加数据增强、延长训练轮数，最后再考虑结构变化。

第三个心得是：仔细观察损失值下降的“形状”。如果前 3 轮 loss 从 2.2 快速降到 0.8，后续每轮只降 0.01，这说明模型已经进入调优阶段，再加大轮数收益有限。此时应关注验证集是否开始反弹，而不是盲目堆 epoch。

第四个心得是关于模型保存的格式。我习惯保存为 HDF5 格式（文件名后缀.h5），这样生成的单个文件同时包含网络结构和权重，拷贝和部署都很方便。如果将来要部署到移动端，再考虑转换成 TF Lite 格式。

最后想多说的几句

这个实验做下来，最大的体会是：深度学习入门真正难的不是背住某个模型结构，而是建立一套“拿到数据 → 先观察 → 定基线 → 再调优”的工作习惯。鞋类识别这个任务虽然小，但它把整条链路完整地展示了一遍。你学会处理灰度图、设计小卷积网络、设置验证集、读懂训练曲线、用混淆矩阵定位错误，这套能力迁移到任何图像分类任务上都成立。

另外，如果你对“鞋类识别”本身还有兴趣，可以尝试两个扩展方向：一个是对运动鞋这个单一类别做更精细的子类划分；另一个是尝试在输出层之前修改结构，把特征向量提取出来做近邻检索，实现“以图搜鞋”。这两个方向都是在现有模型基础上做小改动，但能延伸出不少玩法。