基于PyTorch CNN的狗狗表情识别实战：从数据集到PyQt界面

简介这份资源面向希望入门或实践计算机视觉的开发者与学习者提供了一套基于PyTorch框架的狗狗表情识别完整方案可用于课程设计、毕业项目或表情分类算法练手。压缩包共906个文件以896张jpg与4张jpeg表情图片构成核心数据集另含3个Python脚本和3个txt说明文件整体约80.35MB体量轻便、便于本地运行。代码对数据做了针对性增强短边补灰边使图片统一为正方形并叠加旋转与翻转操作扩充样本脚本依次完成数据集文本生成、CNN模型训练与PyQt界面调用训练后模型会保存至本地供推理使用。已有114人学习关注适合想打通从数据预处理、模型训练到可视化交互全流程的读者参考也能借此理解图像分类任务中数据增强与界面集成的常见做法。1. 狗狗表情识别项目拆包一份能跑通的 PyTorch CNN 实战资源家里养狗的人大概都干过一件事盯着狗脸猜它到底在想什么。摇尾巴是开心飞机耳是紧张龇牙是警告——但这些判断全靠肉眼经验换个品种、换个角度就容易翻车。这个资源干的事情很直接用 Python PyTorch 搭一个 CNN 卷积神经网络把狗脸图片分成不同表情类别训练完再用 PyQt 做一个可视化界面点一下就能出识别结果。它不是那种只丢一个模型权重的半成品而是从数据集整理、文本生成、模型训练到 UI 推理的完整链路适合想跑通一个图像分类全流程的深度学习入门者也适合拿它当课程设计或毕设底稿的从业者。数据集里已经包含多类别狗脸图片并且做了旋转和翻转增强省掉了自己找数据、清洗标注的麻烦。下面按「资源是什么 → 怎么用 → 坑在哪」的顺序拆开讲。2. 环境配置与依赖安装requirement.txt 里没写全的那些事2.1 为什么 PyTorch 版本选错会直接卡在第一步这个项目的代码基于 PyTorch但 requirement.txt 通常只列包名不锁版本。很多人拿到压缩包pip install -r requirement.txt一把梭结果 torch 装成了 CPU 版训练慢到怀疑人生或者 torchvision 和 torch 版本不匹配import 直接报undefined symbol。常见做法是先去 PyTorch 官网用版本选择器生成对应 CUDA 版本的安装命令而不是直接 pip install torch。如果你机器有 NVIDIA 显卡先确认驱动支持的 CUDA 上限再选不高于它的 CUDA 版本。没有独显也能跑只是训练轮次要拉长或者把图片尺寸调小。我一般会先建一个独立虚拟环境避免和系统里其他项目的包打架# 创建虚拟环境Python 版本建议 3.8 到 3.10 python -m venv dog_env # 激活环境Windows dog_env\Scripts\activate # 激活环境Linux / macOS source dog_env/bin/activate # 先装 PyTorch以 CUDA 11.8 为例具体命令按官网选择器来 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 # 再装项目其余依赖 pip install -r requirement.txt逻辑说明虚拟环境隔离是第一道保险后面就算装崩了删掉整个文件夹重来就行不会污染全局。PyTorch 单独装是因为它的 wheel 包和 CUDA 版本强绑定混在 requirement.txt 里容易被覆盖成 CPU 版。参数上--index-url指向 PyTorch 官方源比默认 PyPI 更稳。装完用下面这段验证import torch print(torch.__version__) print(torch.cuda.is_available()) # 有显卡且驱动正常应返回 True print(torch.cuda.get_device_name(0) if torch.cuda.is_available() else CPU only)如果cuda.is_available()返回 False先别急着改代码八成是驱动或 CUDA 版本对不上。这时候要么重装对应版本要么接受 CPU 训练。CPU 训练不是不能跑只是 02 脚本里的 epoch 数要往下调图片输入尺寸也要压否则等一晚上都不一定出结果。2.2 数据集目录结构与 01 脚本的读取逻辑项目的数据集文件夹按类别分子目录存放每个子目录里是这一类表情的图片。01 数据集文本生成制作.py 干的事就是遍历这些子目录把每张图片的路径和对应标签写进 txt 文件同时划分训练集和验证集。这一步看着简单但目录层级错了脚本就找不到图。常见结构是dataset/ ├── happy/ │ ├── 001.jpg │ └── 002.jpg ├── sad/ │ ├── 003.jpg │ └── 004.jpg └── angry/ ├── 005.jpg └── 006.jpg脚本读取时通常用os.listdir或glob遍历类别名就是标签。这里有个细节类别顺序会影响标签编码如果训练和推理时类别顺序不一致预测结果会整体错位。我一般会在 01 脚本里把类别列表存成一个 json 或 txt02 训练和 03 推理都读同一个文件避免手动对齐出错。import os import json data_dir dataset classes sorted(os.listdir(data_dir)) # 排序保证每次顺序一致 class_to_idx {cls: idx for idx, cls in enumerate(classes)} # 保存类别映射训练和推理共用 with open(class_indices.json, w, encodingutf-8) as f: json.dump(class_to_idx, f, ensure_asciiFalse, indent2) print(类别映射, class_to_idx)逻辑说明sorted是关键不排序的话不同系统返回的文件顺序可能不同导致标签错乱。保存 json 是为了让 03 界面推理时能还原出「第 0 类是什么表情」。参数上ensure_asciiFalse保证中文类别名正常写入。如果数据集里类别名是中文建议在生成文本时统一转成英文或拼音避免后续编码问题。2.3 数据增强旋转和翻转到底加在哪一步项目正文提到对数据集做了预处理包括短边补灰边变正方形以及旋转角度扩增。这个增强逻辑一般放在 01 脚本或 02 脚本的 Dataset 类里。补灰边是为了避免直接 resize 导致狗脸变形旋转和翻转则是为了增加样本多样性。但要注意增强不是越多越好旋转角度过大可能把狗脸转出画面翻转也可能让某些不对称特征失效。from torchvision import transforms train_transform transforms.Compose([ transforms.Resize((224, 224)), # 统一尺寸 transforms.RandomHorizontalFlip(p0.5), # 随机水平翻转 transforms.RandomRotation(15), # 随机旋转 ±15 度 transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) val_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]) ])逻辑说明训练集用随机翻转和旋转验证集只用 resize 和归一化这是标准做法。归一化参数用的是 ImageNet 的均值和标准差因为后面大概率会加载预训练权重。如果你的狗脸数据集和 ImageNet 分布差异很大也可以自己算均值和方差但多数情况下直接用 ImageNet 参数就够。参数上RandomRotation(15)的 15 是角度范围狗脸识别一般 10 到 20 度比较稳再大就容易把耳朵或眼睛转出边界。3. 模型训练与 PyQt 界面从 02 脚本到 03 脚本的完整链路3.1 02 训练脚本的核心参数怎么调02 深度学习模型训练.py 是整个项目的重头戏。它读取 01 生成的 txt 文件构建 Dataset 和 DataLoader然后定义 CNN 模型、损失函数和优化器跑完训练循环后保存模型权重。这个脚本里几个参数直接决定成败batch_size、learning_rate、epoch 和模型结构。import torch import torch.nn as nn from torch.utils.data import DataLoader, Dataset from torchvision import models # 以 ResNet18 为例也可以换成项目自带的简单 CNN model models.resnet18(pretrainedTrue) num_features model.fc.in_features model.fc nn.Linear(num_features, num_classes) # num_classes 按你的类别数改 device torch.device(cuda if torch.cuda.is_available() else cpu) model model.to(device) criterion nn.CrossEntropyLoss() optimizer torch.optim.Adam(model.parameters(), lr1e-3) batch_size 32 epochs 20 train_loader DataLoader(train_dataset, batch_sizebatch_size, shuffleTrue) val_loader DataLoader(val_dataset, batch_sizebatch_size, shuffleFalse) for epoch in range(epochs): model.train() running_loss 0.0 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() running_loss loss.item() print(fEpoch {epoch1}/{epochs}, Loss: {running_loss/len(train_loader):.4f})逻辑说明pretrainedTrue表示加载 ImageNet 预训练权重这对小数据集特别重要能显著加快收敛。如果项目自带的是从零搭建的 CNN那就没有预训练权重训练轮次需要更多。CrossEntropyLoss是多分类标准损失Adam优化器默认学习率 1e-3 是常见起点。batch_size 设 32 是折中值显存不够就降到 16 或 8。epoch 设 20 是起步实际要看验证集准确率什么时候不再上升。参数调整上如果训练 loss 一直不降先检查学习率是不是太大可以降到 1e-4 试试。如果验证集准确率远低于训练集说明过拟合了加 Dropout 或做更多数据增强。如果 loss 变成 NaN多半是学习率过大或输入没归一化。3.2 模型保存与加载的两种方式训练完保存模型常见有两种方式保存整个模型结构加权重或者只保存权重字典。前者方便但文件大后者更灵活但加载时需要重新定义结构。我一般推荐只保存权重# 保存权重 torch.save(model.state_dict(), dog_expression_model.pth) # 加载时先实例化同结构模型再加载权重 model models.resnet18(pretrainedFalse) model.fc nn.Linear(model.fc.in_features, num_classes) model.load_state_dict(torch.load(dog_expression_model.pth, map_locationdevice)) model.eval()逻辑说明state_dict()只存参数文件小、跨设备兼容好。map_location在 CPU 机器上加载 GPU 训练的权重时必加否则会报设备不匹配。加载后一定要调model.eval()否则 BatchNorm 和 Dropout 还是训练模式推理结果会不稳定。3.3 03 PyQt 界面怎么接模型推理03pyqt_ui界面.py 负责把训练好的模型包装成一个可视化工具。典型流程是用户点按钮选一张图片界面显示图片后台调用模型推理最后把预测类别和置信度显示出来。这里最容易出问题的是图片预处理必须和训练时一致否则预测结果就是玄学。from PIL import Image from torchvision import transforms def predict(image_path, model, class_names, device): 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]) ]) img Image.open(image_path).convert(RGB) img_tensor transform(img).unsqueeze(0).to(device) # 增加 batch 维度 model.eval() with torch.no_grad(): outputs model(img_tensor) probs torch.softmax(outputs, dim1) conf, pred torch.max(probs, dim1) return class_names[pred.item()], conf.item()逻辑说明unsqueeze(0)是把单张图变成 batch1 的输入模型只接受四维张量。torch.no_grad()关闭梯度计算省显存也更快。softmax把输出转成概率max取最大概率对应的类别。参数上预处理必须和验证集完全一致包括 resize 尺寸和归一化参数差一点都会影响置信度。PyQt 界面部分常见做法是用 QLabel 显示图片QPushButton 触发选择文件QTextEdit 或 QLabel 显示结果。如果界面卡顿可以把推理放到 QThread 里避免阻塞主线程。这个项目如果没做线程分离图片大或模型重的时候点按钮会短暂无响应属于正常现象不是崩溃。4. 避坑与排查跑不通时先看这几条4.1 现象01 脚本报 FileNotFoundError找不到图片原因数据集目录层级和脚本里写的路径不一致或者类别文件夹里混了非图片文件。解决先打印脚本里用的data_dir确认和实际文件夹名完全一致包括大小写。然后在遍历时加后缀过滤只读.jpg、.png、.jpeg。valid_ext (.jpg, .jpeg, .png, .bmp) files [f for f in os.listdir(class_dir) if f.lower().endswith(valid_ext)]4.2 现象02 训练时 loss 不降或准确率卡在随机水平原因学习率过大、标签错位、输入没归一化或者类别数设错。解决先检查num_classes是否等于实际类别数再打印一个 batch 的标签看看是否和图片对应。然后把学习率降到 1e-4确认归一化和训练时一致。如果用的是预训练模型检查model.fc是否替换成了正确的输出维度。4.3 现象03 界面预测结果每次都不一样原因模型没调eval()Dropout 和 BatchNorm 还在训练模式。解决推理前强制model.eval()并用torch.no_grad()包住前向传播。另外确认加载的权重文件是最新训练保存的那个别拿旧模型测新数据。4.4 现象PyQt 界面报 no Qt platform plugin 错误原因PyQt 环境变量没配好或者 PyQt5 和 Python 版本不兼容。解决重装对应 Python 版本的 PyQt5Linux 下可能需要装libxcb相关系统库。Windows 下常见做法是把 PyQt5 的 plugins 路径加到环境变量或者直接用 conda 装 PyQt。4.5 现象训练完模型文件很大加载慢原因保存了整个模型而不是 state_dict或者模型本身参数量大。解决改用torch.save(model.state_dict(), ...)加载时先实例化结构再 load。如果模型是 ResNet50 以上考虑换 ResNet18 或 MobileNet精度差距不大但速度快很多。5. 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尤其当类别不平衡时准确率高不代表模型真的好。我一般会补两步一是画混淆矩阵看哪些类别容易被混淆二是拿几张没参与训练的图做单图测试观察置信度分布。from sklearn.metrics import confusion_matrix import seaborn as sns import matplotlib.pyplot as plt model.eval() all_preds, all_labels [], [] with torch.no_grad(): for imgs, labels in val_loader: imgs, labels imgs.to(device), labels.to(device) outputs model(imgs) _, preds torch.max(outputs, 1) all_preds.extend(preds.cpu().numpy()) all_labels.extend(labels.cpu().numpy()) cm confusion_matrix(all_labels, all_preds) sns.heatmap(cm, annotTrue, fmtd, cmapBlues, xticklabelsclass_names, yticklabelsclass_names) plt.xlabel(Predicted) plt.ylabel(True) plt.show()逻辑说明混淆矩阵的横轴是预测类别纵轴是真实类别对角线越深越好。如果某两类之间频繁互错说明特征区分度不够可以考虑增加这两类的训练样本或者调整数据增强策略。参数上annotTrue显示数值fmtd保证显示整数。单图测试更直接class_names [angry, happy, sad] # 按你的实际类别改 img_path test.jpg label, conf predict(img_path, model, class_names, device) print(f预测{label}置信度{conf:.4f})如果置信度长期低于 0.5说明模型没学到东西回去检查训练流程。如果置信度很高但预测错了多半是标签映射错了回头核对class_indices.json。还有一个容易被忽略的点验证集和训练集的划分要在 01 脚本里固定随机种子否则每次运行划分结果不同模型评估就没有可比性。import random import numpy as np import torch seed 42 random.seed(seed) np.random.seed(seed) torch.manual_seed(seed) torch.cuda.manual_seed_all(seed)逻辑说明固定随机种子后数据划分、权重初始化、数据增强的随机操作都可复现。参数上seed 选 42 只是习惯选别的也行关键是整个项目统一用同一个值。从那以后我每次跑图像分类项目都强制先固定种子、再确认类别映射、最后才开训练这三步少一步后面都可能白跑。希望帮到你。本文还有配套的精品资源点击获取