简介：这份资源面向具备Python与PyTorch基础、希望入门卷积神经网络图像分类的开发者与学习者，以AlexNet模型为核心，解决动漫角色识别这一具体分类任务。压缩包共9个文件，包含3个py脚本、4张jpg提示图、1个txt依赖清单和1份docx说明文档，整体约231KB，体积轻巧便于快速上手。代码不含数据集图片，需自行按文件夹分类搜集素材，每个分类目录内附有提示图指引图片放置位置，分类数量变化时训练脚本也能自动适配，无需改动代码。运行流程清晰：先生成图片路径与标签的txt并划分训练集与验证集，再启动CNN训练，过程中显示进度条、每个epoch的准确率与损失值，并保存日志与model.ckpt模型文件，最后通过PyQt界面调用训练好的模型完成图片识别。目前已有160人学习，适合想完整走通数据准备、训练、评估到界面推理全流程的读者参考。
1. 从一份动漫角色识别代码包说起：AlexNet 怎么落到 PyTorch 工程里
如果你手头正好有一批动漫角色图，想快速跑通一个能识别超级英雄、神兽、机器人、卡通人物的分类器，又不想从零搭网络结构，这份基于 AlexNet 的 CNN 卷积神经网络动漫角色识别代码包值得拆一拆。它用 PyTorch 实现，核心是三个 py 文件：生成数据索引、训练模型、PyQt 界面推理。代码包不含数据集图片，需要自己按分类文件夹搜集图片放进去，每个文件夹里有一张提示图告诉你图片该放哪。训练完会保存 model.ckpt，日志记录每个 epoch 的准确率和损失值。适合刚接触 CNN 图像分类、想拿一个完整可跑工程练手的从业者，也适合需要快速搭一个动漫角色识别 demo 的人。
2. 环境安装与数据目录：把 requirement.txt 跑通再谈训练
2.1 依赖安装与 PyTorch 版本选择
拿到代码包后第一件事不是急着运行 01 脚本，而是先把环境装对。requirement.txt 里列了依赖，但 PyTorch 的安装方式跟你的显卡和系统有关。常见做法是先用 conda 建一个独立环境，避免跟系统里已有的包打架。
# 创建独立环境，python 版本建议 3.8 到 3.10 conda create -n anime_cnn python=3.9 conda activate anime_cnn # 安装 PyTorch，有 NVIDIA 显卡且装了 CUDA 的走这条 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 # 没有显卡或者不想折腾 CUDA 的，装 CPU 版 pip install torch torchvision # 再装代码包里的其他依赖 pip install -r requirement.txt这里有个参数要留意：cu118 对应 CUDA 11.8，如果你本机驱动只支持到 CUDA 11.6，就换成 cu116。装完用python -c "import torch; print(torch.cuda.is_available())"验证，返回 True 说明 GPU 可用。CPU 版训练也能跑，只是动漫角色图如果上了几千张，一个 epoch 可能要等十几分钟，这是血泪经验，别问我怎么知道的。
2.2 数据集目录结构与提示图机制
代码包本身不含图片，但目录结构已经定好了。解压后你会看到类似这样的分类文件夹：
dataset/ ├── 超级英雄/ │ └── 1.jpg ← 提示图，告诉你图片放这里 ├── 神兽/ │ └── 1.jpg ├── 机器人/ │ └── 1.jpg └── 卡通人物/ └── 1.jpg每个文件夹里那张 1.jpg 是占位提示图，不是训练数据。你需要做的是：把搜集来的对应类别图片放进对应文件夹，然后把提示图删掉或者移走。注意，提示图如果留在里面会被当成训练样本，导致模型学到一个莫名其妙的类别。常见做法是放图之前先删提示图，或者用脚本过滤掉文件名是 1.jpg 且尺寸异常小的文件。
图片格式建议统一成 jpg 或 png，尺寸不用提前裁剪，代码里会做 resize。但如果你搜集的图片长宽比差异极大，比如有些是竖版海报有些是横版截图，建议先做一次中心裁剪或 padding，否则 resize 到 224x224 时形变严重，准确率会掉。这是很多人翻车的地方：数据没整理直接跑，训练完发现模型把机器人认成神兽，回头查半天以为是网络问题，其实是图片形变太离谱。
提示：分类文件夹的名字就是类别标签，代码会自动读取文件夹个数作为分类数。所以你想加新类别，直接建一个新文件夹放图就行，不用改代码。
3. 生成索引与训练脚本：01 和 02 两个文件到底做了什么
3.1 01生成txt.py：路径标签对与训练验证划分
这个脚本的作用是把 dataset 下所有图片的路径和对应标签写成一个 txt 文件，同时按比例划分训练集和验证集。运行方式很简单：
python 01生成txt.py它内部逻辑大致是这样的：
import os import random dataset_dir = "dataset" output_txt = "data.txt" val_ratio = 0.2 # 验证集比例 classes = sorted(os.listdir(dataset_dir)) class_to_idx = {cls: idx for idx, cls in enumerate(classes)} lines = [] for cls in classes: cls_dir = os.path.join(dataset_dir, cls) for img_name in os.listdir(cls_dir): # 跳过提示图，这里按文件名过滤，也可以按尺寸过滤 if img_name == "1.jpg": continue img_path = os.path.join(cls_dir, img_name) lines.append(f"{img_path} {class_to_idx[cls]}") random.shuffle(lines) split = int(len(lines) * (1 - val_ratio)) with open(output_txt, "w", encoding="utf-8") as f: f.write("\n".join(lines[:split]) + "\n") f.write("\n".join(lines[split:]) + "\n")逻辑说明：先扫描 dataset 下所有子文件夹，把文件夹名排序后映射成 0、1、2、3 这样的整数标签。然后遍历每个文件夹里的图片，跳过提示图，拼成「路径 标签」的格式。随机打乱后按 8:2 切分，前 80% 写前面当训练集，后 20% 写后面当验证集。参数 val_ratio 控制验证集比例，默认 0.2，如果你数据量少可以调到 0.1，数据量多可以调到 0.3。
这里有个细节：代码适配了分类文件夹个数，你加一个新类别文件夹，重新运行 01 脚本，标签会自动多一个，不需要手动改任何地方。这是这个代码包比较省心的一点。
3.2 02CNN训练数据集.py：AlexNet 结构、进度条与日志
训练脚本是整个包的核心。运行：
python 02CNN训练数据集.py它会自动读取 01 生成的 txt 文件，按行解析路径和标签，然后送进 AlexNet 做训练。AlexNet 的结构在 PyTorch 里可以自己搭，也可以用 torchvision 里预定义的。这个代码包一般是手搭了一个简化版 AlexNet，包含 5 个卷积层和 3 个全连接层，输入尺寸 224x224。
关键训练参数我列一下，方便你按自己数据调：
| 参数 | 常见取值 | 说明 |
|---|---|---|
| batch_size | 16 或 32 | 显存不够就调小 |
| learning_rate | 0.001 | Adam 优化器常用 |
| epochs | 20 到 50 | 看验证集准确率是否还在涨 |
| num_classes | 自动读取 | 等于分类文件夹个数 |
| input_size | 224x224 | AlexNet 标准输入 |
训练过程中会有进度条，每个 epoch 结束后打印准确率和损失值。训练完会保存两个东西：一个是 model.ckpt，里面是模型权重；另一个是 log 日志，记录每个 epoch 的指标。日志格式一般是每行一个 epoch，包含 train_loss、train_acc、val_loss、val_acc。
# 训练循环核心片段示意 for epoch in range(epochs): model.train() for imgs, labels in train_loader: imgs, labels = imgs.to(device), labels.to(device) optimizer.zero_grad() outputs = model(imgs) loss = criterion(outputs, labels) loss.backward() optimizer.step() # 验证阶段 model.eval() with torch.no_grad(): correct = 0 total = 0 for imgs, labels in val_loader: imgs, labels = imgs.to(device), labels.to(device) outputs = model(imgs) _, predicted = torch.max(outputs, 1) total += labels.size(0) correct += (predicted == labels).sum().item() val_acc = correct / total print(f"Epoch {epoch+1}, Val Acc: {val_acc:.4f}")逻辑说明：训练阶段做前向传播、算损失、反向传播、更新权重。验证阶段只做前向传播，不更新权重，算准确率。device 会自动选 cuda 或 cpu。如果你发现训练准确率一直涨但验证准确率不涨甚至下降，那就是过拟合了，常见做法是加数据增强、加 dropout、或者减少 epochs。
注意：model.ckpt 保存的是 state_dict，加载的时候需要先实例化模型结构再 load_state_dict，不能直接 torch.load 整个模型，除非保存时用了 torch.save(model, ...)。
4. PyQt 界面推理：03pyqt界面.py 怎么把模型用起来
4.1 界面布局与图片加载
03 脚本是一个 PyQt 写的图形界面，运行后可以选一张图片，点识别按钮，界面会显示预测类别。运行：
python 03pyqt界面.py界面一般包含一个图片显示区域、一个「选择图片」按钮、一个「识别」按钮、一个结果显示标签。PyQt 的布局用 QVBoxLayout 和 QHBoxLayout 组合就行。
from PyQt5.QtWidgets import QApplication, QMainWindow, QLabel, QPushButton, QVBoxLayout, QWidget, QFileDialog from PyQt5.QtGui import QPixmap import sys class MainWindow(QMainWindow): def __init__(self): super().__init__() self.setWindowTitle("动漫角色识别") self.label = QLabel("请选择图片") self.btn_select = QPushButton("选择图片") self.btn_predict = QPushButton("识别") self.result_label = QLabel("") layout = QVBoxLayout() layout.addWidget(self.label) layout.addWidget(self.btn_select) layout.addWidget(self.btn_predict) layout.addWidget(self.result_label) container = QWidget() container.setLayout(layout) self.setCentralWidget(container) self.btn_select.clicked.connect(self.select_image) self.btn_predict.clicked.connect(self.predict) self.image_path = None def select_image(self): path, _ = QFileDialog.getOpenFileName(self, "选择图片", "", "Images (*.png *.jpg *.jpeg)") if path: self.image_path = path pixmap = QPixmap(path) self.label.setPixmap(pixmap.scaled(300, 300)) def predict(self): if not self.image_path: self.result_label.setText("请先选择图片") return # 这里调用模型推理函数 result = predict_image(self.image_path) self.result_label.setText(f"预测结果：{result}") if __name__ == "__main__": app = QApplication(sys.argv) window = MainWindow() window.show() sys.exit(app.exec_())逻辑说明：select_image 打开文件对话框选图，用 QPixmap 显示缩略图。predict 调用推理函数，把结果显示在 result_label 上。推理函数需要做跟训练时一样的预处理：resize 到 224x224、转 tensor、归一化。
4.2 推理预处理与模型加载
推理时的预处理必须跟训练时一致，否则准确率会崩。常见做法是：
from torchvision import transforms from PIL import Image import torch transform = transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ]) def predict_image(img_path): model.eval() img = Image.open(img_path).convert("RGB") img_tensor = transform(img).unsqueeze(0) # 加 batch 维度 with torch.no_grad(): output = model(img_tensor) _, predicted = torch.max(output, 1) return classes[predicted.item()]参数说明：Normalize 的 mean 和 std 是 ImageNet 的统计值，如果你训练时用了同样的归一化，推理也必须用。unsqueeze(0) 是把单张图变成 batch size 为 1 的输入。classes 列表的顺序必须跟训练时 class_to_idx 的顺序一致，否则标签会错位。
提示：如果你换了分类文件夹，记得重新运行 01 脚本生成新的 txt，并且确认 classes 列表顺序跟训练时一致。顺序不一致是推理结果错乱的常见原因。
5. 避坑与排查：训练不收敛、显存爆了、界面报错怎么查
5.1 损失值不下降或准确率卡住
现象：训练几个 epoch 后 loss 一直在某个值附近震荡，准确率跟随机猜差不多。
原因：常见有三种。一是学习率太大，导致梯度爆炸或震荡；二是数据标签错位，比如路径和标签没对上；三是图片预处理有问题，比如归一化参数不对或者图片全是纯色。
解决：先把学习率降到 0.0001 试试。然后检查 01 生成的 txt 文件，随便抽几行看路径和标签是否对应。最后用 PIL 打开几张图确认不是损坏文件。如果数据量太少，比如每个类别只有十几张，模型很难学到东西，建议每个类别至少 100 张起步。
5.2 CUDA out of memory
现象：训练一开始就报 RuntimeError: CUDA out of memory。
原因：batch_size 太大，或者图片尺寸太大，或者显卡本身显存小。
解决：把 batch_size 从 32 降到 16 甚至 8。如果还不行，把输入尺寸从 224 降到 128，但注意改了输入尺寸后模型的全连接层输入维度也要跟着改。另外可以在训练前加torch.cuda.empty_cache()清一下缓存。
5.3 PyQt 界面闪退或图片显示不出来
现象：运行 03 脚本后界面一闪就没了，或者选了图片但显示区域空白。
原因：PyQt 的事件循环没启动，或者 QPixmap 加载失败。也有可能是 PyQt5 跟 Python 版本不兼容。
解决：确认sys.exit(app.exec_())这行在。如果图片显示空白，检查图片路径是否包含中文或特殊字符，QPixmap 对某些编码支持不好，可以先把图片复制到英文路径下再试。PyQt5 建议用 5.15 版本，太新的版本在某些系统上会有兼容问题。
5.4 推理结果总是同一个类别
现象：不管选什么图，识别结果都是同一个类别。
原因：模型没加载成功，或者 classes 列表顺序错了，或者推理时忘了加model.eval()导致 dropout 和 batchnorm 还在训练模式。
解决：先确认 model.ckpt 加载时没有报错。然后打印 classes 列表跟训练时的顺序对比。最后检查推理代码里有没有model.eval()和torch.no_grad()。这两个不加，推理结果会非常玄学。
5.5 新增分类后训练报错
现象：加了一个新类别文件夹，重新运行 01 和 02，训练时报维度不匹配。
原因：模型最后一层的输出维度还是旧类别的数量，没有根据新类别数调整。
解决：代码包一般会适配分类文件夹个数，但如果你手动改过模型结构，需要确认最后一层全连接层的 out_features 等于新的类别数。常见做法是在训练脚本里用num_classes = len(classes)动态设置。
6. 进阶技巧：用混淆矩阵和单图测试验证模型真实水平
训练完只看准确率是不够的。准确率在类别不均衡时会骗人，比如 90% 的图都是卡通人物，模型全猜卡通人物也有 90% 准确率。我一般会做两件事：一是画混淆矩阵，二是拿几张没参与训练的图做单图测试。
混淆矩阵用 sklearn 的 confusion_matrix 就行：
from sklearn.metrics import confusion_matrix import seaborn as sns import matplotlib.pyplot as plt # 在验证集上跑一遍，收集所有预测和真实标签 all_preds = [] all_labels = [] model.eval() with torch.no_grad(): for imgs, labels in val_loader: imgs, labels = imgs.to(device), labels.to(device) outputs = model(imgs) _, predicted = torch.max(outputs, 1) all_preds.extend(predicted.cpu().numpy()) all_labels.extend(labels.cpu().numpy()) cm = confusion_matrix(all_labels, all_preds) sns.heatmap(cm, annot=True, fmt="d", xticklabels=classes, yticklabels=classes) plt.xlabel("Predicted") plt.ylabel("True") plt.show()逻辑说明：在验证集上跑推理，收集预测标签和真实标签，用 confusion_matrix 算出混淆矩阵，再用 seaborn 画热力图。这样你能清楚看到哪个类别容易被认成哪个类别。比如机器人被大量认成超级英雄，那说明这两个类别的特征在模型眼里太像了，需要加更多区分度高的训练图，或者考虑用更强的 backbone。
单图测试更直接：找几张网上下的动漫角色图，不放进 dataset，直接跑推理脚本看结果。如果单图测试准确率明显低于验证集准确率，说明模型过拟合了训练集的分布，换一批图就翻车。这时候常见做法是加数据增强，比如随机翻转、随机裁剪、颜色抖动。
train_transform = transforms.Compose([ transforms.Resize((256, 256)), transforms.RandomCrop(224), transforms.RandomHorizontalFlip(), transforms.ColorJitter(brightness=0.2, contrast=0.2), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ])参数说明：RandomCrop(224) 先从 256 里随机裁 224，增加位置多样性。RandomHorizontalFlip 随机水平翻转，概率默认 0.5。ColorJitter 调亮度和对比度，让模型对颜色变化不那么敏感。注意验证集和推理时不要加这些增强，只用 Resize 和 Normalize。
从那以后我每次训练完都会强制走一遍混淆矩阵加单图测试，确认模型不是靠数据分布作弊。希望帮到你。
本文还有配套的精品资源，点击获取
