PyTorch识别猫狗程序

摘要生成中

AI生成，仅供参考

这个项目是拿AI跑的，仅供学习使用。

0x00 背景

图像分类是计算机视觉领域的“Hello World”。在这个项目中，我的目标是区分猫和狗的图片。

为什么不自己从零开始训练一个网络？因为卷积神经网络（CNN）通常需要海量的数据和强大的算力。作为替代方案，我们采用了迁移学习（Transfer Learning）。

骨干网络：选用了 ResNet18。这是一个非常经典的轻量级深度残差网络，最初在 ImageNet 大赛中大放异彩。

策略：我们冻结了网络前半部分的预训练权重（Feature Extractor），只替换并训练最后的全连接层（Classifier）。这样既利用了大模型提取特征的能力，又大大缩短了训练时间（我的GPU并不强劲）。

0x01 环境配置

项目在 Arch Linux 环境下开发，但在环境配置阶段遇到了一个典型的兼容性问题：

Python 3.14 与 PyQt6 的冲突

由于 Arch 滚动更新机制，系统中的 Python 版本较新（3.14），而 PyQt6 官方尚未发布适配 Python 3.14 的预编译包，导致安装PyQt6时报了No matching distribution found。我果断放弃了3.14的venv,安装了3.12版本的Python成功解决问题。

0x02 模型训练

我使用 torchvision的 ImageFolder加载数据集，并应用了一系列数据增强和标准化变换。

训练日志节选：

[epoch 1] ★ New best val_acc=94.38% saved

[epoch 10] ★ New best val_acc=99.00% saved

最终，模型在验证集上达到了 99.00%​ 的最佳准确率，最终的测试集准确率为 98.12%。对于这样一个轻量级模型来说，这是一个相当不错的成绩。

0x03 预测程序图形化设计

为了让模型真正“可用”，我编写了基于 PyQt6 的图形界面。为了提升视觉体验，放弃了传统的原生控件风格，采用了深色主题 (Dark Mode)​ 设计。

界面核心组件：

1. 左侧：图片预览区
   • 使用 QLabel动态显示用户选择的图片。
   • 添加了圆角和边框样式，提升质感。
2. 右侧：控制与数据区
   • 模型加载：通过 QPushButton触发文件选择器，加载 best_catdog.pth。
   • 自定义概率条 (PredictionBar)：重写 QProgressBar样式，做出了类似游戏 UI 的动态渐变进度条。猫的概率显示为暖橙色 (#FF9800)，狗的概率显示为科技蓝 (#2196F3)。
   • Matplotlib 数据可视化：将 Matplotlib 图表直接嵌入 PyQt6 窗口。每次预测后，柱状图会动态刷新，直观展示各类别的置信度。

0x04 文件分享