1小时玩转ResNet18：没GPU也能跑物体识别-平芜编程栈

1小时玩转ResNet18：没GPU也能跑物体识别

1. 为什么选择ResNet18？

最近在B站看到各种AI识别物体的视频很酷炫，但自己用老显卡GTX1050尝试时直接蓝屏死机？别担心，ResNet18就是为这种情况量身定制的解决方案。

ResNet18是深度学习领域最经典的图像识别模型之一，就像相机里的"自动模式"一样简单可靠。它只有18层网络结构（相比动辄上百层的大模型轻巧得多），但识别准确率却能达到专业级水平。最关键的是，经过优化后甚至能在没有独立GPU的电脑上流畅运行。

2. 准备工作：零基础也能懂的环境配置

2.1 基础软件安装

首先确保你的电脑已经安装：

Python 3.6或更高版本（推荐3.8）
pip包管理工具（通常随Python自动安装）

打开命令行（Windows按Win+R输入cmd，Mac打开终端），输入以下命令检查：

python --version pip --version

2.2 安装必要库

复制粘贴这些命令一次性安装所有依赖：

pip install torch torchvision pillow opencv-python

💡 提示：如果下载速度慢，可以加上国内镜像源：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch torchvision pillow opencv-python

3. 三步搞定物体识别

3.1 下载预训练模型

ResNet18最大的优势就是可以直接使用预训练好的权重。新建一个Python文件，写入以下代码：

import torch import torchvision.models as models # 自动下载预训练模型（约45MB） model = models.resnet18(pretrained=True) model.eval() # 设置为评估模式

首次运行会自动下载模型文件，之后就不需要联网了。

3.2 准备待识别图片

找一张你想测试的图片（比如猫狗照片），或者直接用摄像头拍照：

from PIL import Image import cv2 # 方法1：加载本地图片 img = Image.open("your_image.jpg") # 方法2：用摄像头拍照 cap = cv2.VideoCapture(0) ret, frame = cap.read() cv2.imwrite("temp.jpg", frame) img = Image.open("temp.jpg")

3.3 运行识别程序

完整识别代码示例：

import torch import torchvision.transforms as transforms from torchvision.models import resnet18 # 1. 加载模型 model = resnet18(pretrained=True) model.eval() # 2. 图像预处理 preprocess = transforms.Compose([ transforms.Resize(256), transforms.CenterCrop(224), transforms.ToTensor(), transforms.Normalize( mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225] ) ]) # 3. 加载并处理图像 img = Image.open("your_image.jpg") input_tensor = preprocess(img) input_batch = input_tensor.unsqueeze(0) # 创建batch维度 # 4. 推理预测 with torch.no_grad(): output = model(input_batch) # 5. 解析结果 probabilities = torch.nn.functional.softmax(output[0], dim=0) with open("imagenet_classes.txt") as f: categories = [s.strip() for s in f.readlines()] top5_prob, top5_catid = torch.topk(probabilities, 5) for i in range(top5_prob.size(0)): print(categories[top5_catid[i]], top5_prob[i].item())

⚠️ 注意：需要提前下载ImageNet类别文件，新建imagenet_classes.txt并复制内容：https://gist.githubusercontent.com/yrevar/942d3a0ac09ec9e5eb3a/raw/238f720ff059c1f82f368259d1ca4ffa5dd8f9f5/imagenet1000_clsidx_to_labels.txt

4. 优化技巧：让老电脑飞起来

4.1 量化加速技巧

在模型加载后添加这行代码，速度可提升2-3倍：

model = torch.quantization.quantize_dynamic( model, {torch.nn.Linear}, dtype=torch.qint8 )

4.2 图像尺寸调整

修改预处理中的图像尺寸可以显著影响速度：

preprocess = transforms.Compose([ transforms.Resize(128), # 原为256，现在缩小 transforms.CenterCrop(112), # 原为224 # ...其余不变 ])

4.3 常见问题解决

报错"CUDA out of memory"：在模型加载后添加model = model.to('cpu')
识别结果不准：尽量使用清晰、主体突出的图片
速度太慢：尝试上述量化方法，或关闭其他占用资源的程序

5. 扩展应用：不只是识别物体

掌握了基础用法后，你还可以：

改造为实时摄像头识别程序
针对特定场景微调模型（如识别特定品牌logo）
结合OpenCV实现自动拍照分类

实时摄像头识别示例代码：

import cv2 import numpy as np from PIL import Image cap = cv2.VideoCapture(0) while True: ret, frame = cap.read() if not ret: break # 转换颜色空间并预处理 img = Image.fromarray(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)) input_tensor = preprocess(img) input_batch = input_tensor.unsqueeze(0) # 推理 with torch.no_grad(): output = model(input_batch) # 显示结果 top1_prob, top1_catid = torch.topk(torch.nn.functional.softmax(output[0], dim=0), 1) label = f"{categories[top1_catid[0]]}: {top1_prob[0].item():.2f}" cv2.putText(frame, label, (10,30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0,255,0), 2) cv2.imshow('ResNet18实时识别', frame) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows()