利用 Resnet50 重新训练，完成宠物数据集的识别，附源代码。。

如果你对深度学习有所了解，知道神经网络可以识别图片，但还没自己动手训练过模型，这篇文章会非常适合你。

这篇文章将使用 PyTorch 和 ResNet50，基于 Oxford-IIIT Pet 数据集（37 类宠物）完成一个完整的训练过程。

这个方法也可以应用到你自己的数据集上，比如识别不同种类的花或物体。

接下来，带你一步步完成这个任务。

Attention：全网最全的 AI 小白到 AI 大神的天梯成长学习路线，几十万原创专栏和硬核视频，点击这里查看：AI小白到AI大神的天梯之路

什么是 ResNet50，为什么选择它？

ResNet50 是一个深度卷积神经网络，包含 50 层，设计用来处理图像分类任务。

它在 ImageNet 数据集上表现优异，能识别 1000 种物体。

我们今天的目标是重新训练它，让它学会识别新的类别——37 种宠物。

选择 ResNet50 的理由很简单——

• 成熟的结构，它已经被广泛验证，适合大多数图像分类任务。
• 开箱即用：PyTorch 提供了现成的实现，省去自己设计的麻烦。
• 高效性：即使从零开始训练，也能得到不错的结果。

下面，我们将训练过程拆成几个关键步骤，逐步讲解。

训练 ResNet50 的四大步骤

步骤 1：准备数据

模型训练的第一步是准备数据。

Oxford-IIIT Pet 数据集包含大量宠物照片，我们需要调整它们的格式，确保模型能正确处理。

代码是这样实现的：

transform = transforms.Compose([
    transforms.Resize((224, 224)),  # 将图像调整为 224x224 像素
    transforms.ToTensor(),          # 将图像转换为 Tensor 格式
    transforms.Normalize(mean=[0.485, 0.456, 0.406],
                         std=[0.229, 0.224, 0.225])  # 标准化像素值])   

• ResizeResNet50 的输入要求是 224x224，所有图像需要统一到这个尺寸。
• ToTensor将图片从普通格式转为模型能处理的数字格式（范围 0 到 1）。
• Normalize用 ImageNet 的均值和标准差标准化数据，帮助模型更快收敛。

接着，用 DataLoader 将数据分成小批次：

train_loader = DataLoader(train_dataset, batch_size=32, shuffle=True, num_workers=2)

这里 batch_size=32 表示每次处理 32 张图片，shuffle=True 打乱顺序，避免模型记住数据的排列。

步骤 2：搭建模型——调整 ResNet50 的结构

ResNet50 是一个现成的模型，但我们需要根据任务调整它。

原始的 ResNet50 输出 1000 类，而我们的数据集只有 37 类，因此需要修改最后一层。

代码实现如下：

model = torchvision.models.resnet50(weights=None)  # 初始化 ResNet50，不使用预训练权重
model.fc = nn.Linear(model.fc.in_features, 37)     # 将全连接层改为 37 类输出
model = model.to(device)      # 转移到 GPU 或 CPU

• weights=None表示将从零开始训练模型。
• model.fc这一行代码修改了模型最后一层（全连接层），将输出特征数改为 37 个，对应 37 类宠物。如果你有自己的数据集，且分类数量与原始模型不一致，也需要进行类似的修改。
• to(device)根据设备（GPU 或 CPU）运行模型，GPU 会显著加速训练。

步骤 3：定义学习方式

模型需要知道如何学习以及学习步长是什么样的，这样才能优化模型参数的调整过程。

这个过程主要涉及损失函数和优化器。

损失函数衡量的是模型预测值与真实答案之间的差距，优化器则负责调整模型的参数。

用代码中是这样定义的：

criterion = nn.CrossEntropyLoss()          # 交叉熵损失，用于分类任务
optimizer = optim.Adam(model.parameters(), lr=0.001)  # Adam 优化器，学习率 0.001
scheduler = optim.lr_scheduler.StepLR(optimizer, step_size=5, gamma=0.1)  # 学习率调度器

• 损失函数采用的是交叉熵损失函数，该函数是多分类任务的标准选择。
• 优化器Adam 是一种高效的优化算法，lr=0.001 是初始学习率。
• 调度器每 5 个 epoch，学习率乘以 0.1，逐步降低以稳定训练。

步骤 4：训练与测试——让模型学习和验证

训练其实就是让模型反复调整自己参数的过程，验证则是检查训练的效果。

训练和验证的逻辑分别在两个函数中实现。

训练函数：

def train(epoch):
    model.train()  # 进入训练模式
    for inputs, targets in train_loader:
        inputs, targets = inputs.to(device), targets.to(device)
        optimizer.zero_grad()  # 清零梯度
        outputs = model(inputs)  # 前向传播
        loss = criterion(outputs, targets)  # 计算损失
        loss.backward()  # 反向传播
        optimizer.step()  # 更新参数

• train()激活模型的训练模式（启用 dropout/BN 层的全局统计功能）。
• 流程模型预测 -> 计算损失 -> 调整参数。

测试函数：

def test(epoch):
    model.eval()  # 进入测试模式
    with torch.no_grad():  # 关闭梯度计算
        for inputs, targets in test_loader:
            outputs = model(inputs)
            # 计算准确率...

• eval()切换到测试模式，关闭训练时的随机性（Dropout, BN 不再进行全局统计）。
• no_grad()节省内存，提高测试效率。

主循环运行 20 个 epoch，每次训练后测试，并保存最佳模型：

for epoch in range(1, 21):
    train(epoch)
    test_acc = test(epoch)
    if test_acc > best_acc:
        best_acc = test_acc
        torch.save(model.state_dict(), "best_pet_model.pth")

训练效果

运行完整的代码后，你会看到类似这样的结果：

Epoch 1 | Train Acc: 50.23%Epoch 1 | Test Acc: 52.10%...Best Test Accuracy: 85.67%

这表示模型在测试集上的最高准确率达到 85.67%。

如果效果不理想，可以尝试下面的改进方法。

改进建议

使用预训练权重

将 weights=None 改为 weights='DEFAULT'，利用 ImageNet 的经验加速训练。

数据增强

在 transform 中加入 transforms.RandomHorizontalFlip()，增加数据多样性。

调整参数

尝试不同的学习率（如 0.0001）或 batch_size（如 64），找到最佳组合。

通过以上的四个步骤——准备数据、搭建模型、设定规则、训练测试，你就可以用 ResNet50 训练自己的数据集了。

这个过程并不复杂，只要理解每个部分的逻辑，就能灵活应用到其他任务上。

如果你有自己的数据集，不妨试一试。

宠物训练的完整代码见这里：https://github.com/dongdongcan/ai_model_samples/tree/main/resnet50_train_oxford_iiit_pet

备注，本文的完整代码最好在 GPU 环境下运行。