简介基于ShuffleNet轻量级卷积神经网络的菠萝成熟度分类实战项目面向图像分类入门与轻量模型应用学习者含完整代码、数据集与训练权重解压后可直接运行。数据集覆盖没熟、半熟、成熟等8个成熟阶段训练集4808张、测试集806张按类别子文件夹存放目录名即分类标签。模型选用参数量约百万级的ShuffleNet网络训练用余弦学习率自动衰减共50个epoch测试集最佳精度87%增大epoch还有提升空间适合轻量级图像分类入门基线。预测时运行predict脚本自动读取inference目录全部图片取概率最高的前3个类别标注在左上角run_results目录存有最优权重、训练日志及loss与精度曲线。压缩包共2000个文件以近2000张JPG图像为主体另有4个Python脚本、txt说明与json配置文件整体约201MB已有125人学习下载适合视觉学习者与算法工程师快速搭建轻量分类任务参考。1. 用几十万参数的 ShuffleNet 给菠萝成熟度分类轻量网络在农业视觉里的落地样本做图像分类的同行应该都有体会很多项目不是模型不够强而是算力和数据根本撑不起大网络。这份实战项目选了个特别聪明的切入点——用 ShuffleNet 对菠萝做 8 个成熟阶段的分类参数量压到一百万左右在 4808 张训练图片上跑到 87% 的测试精度。它不是拿 ResNet 硬怼而是用轻量网络里非常经典的 channel shuffle 机制把分组卷积的特征交互问题解决掉让小网络也能有不错的表征能力。适合正在做移动端部署、农业视觉识别、或者想搞懂轻量 CNN 内部原理的人。项目里有完整代码、整理好的数据集和训练好的权重解压就能直接跑本文把这套东西从网络原理讲到训练参数和踩坑记录照着走一遍基本能复现。2. ShuffleNet 的前世今生为什么轻量网络里它值得细看2.1 从 MobileNet 的深度可分离卷积说起聊 ShuffleNet 之前得先明白轻量网络要解决的矛盾。传统卷积层参数量是输入通道数 × 输出通道数 × 卷积核尺寸²ResNet 的 3×3 卷积在 256 通道输入输出下单层参数量就接近 59 万这还没算全连接层。MobileNet 的方案是用深度可分离卷积拆成两步——先对每个通道单独做 3×3 卷积再用 1×1 卷积把通道信息融合。这样参数量直接降到原来的九分之一左右但问题也随之而来深度卷积每个通道是独立的通道间的信息交换完全依赖后面的 1×1 卷积而这个逐点卷积本身的开销并不小。ShuffleNet 的思路更激进一些。它把 1×1 卷积也做成分组形式比如把 128 个输入通道分成 4 组每组 32 个通道自己做卷积。这样理论计算量进一步下降但新问题出现了如果一直按固定分组做卷积那么第 1 组输出的特征永远只来自第 1 组输入通道间的信息就被墙隔死了。ShuffleNet 论文里用了一个非常巧妙的操作来解决——channel shuffle把分组卷积的输出通道重新洗牌让下一层每个组都能拿到上一层所有组的信息。这个操作不需要任何参数只是一个 reshape 加 transpose 再加 reshape就能打破分组带来的信息壁垒。2.2 残差结构与逐块下采样ShuffleNet 单元的完整解剖ShuffleNet 的基本单元是残差结构改造来的。每个单元包含一个 1×1 分组卷积、一个 3×3 深度卷积再跟着一个 1×1 分组卷积残差连接直接跳过去。如果步长为 2 需要下采样就对残差分支也加一个 3×3 平均池化并在最后把两个分支的 feature map 在通道维度上 concat 而不是相加这样能在不增加计算量的前提下扩增通道数。从代码角度一个标准的 ShuffleNet 单元长这样class ShuffleUnit(nn.Module): def __init__(self, in_channels, out_channels, stride, groups4): super().__init__() self.stride stride mid_channels out_channels // 4 self.bottleneck nn.Sequential( # 第一层1x1分组卷积把通道数降到四分之一 nn.Conv2d(in_channels, mid_channels, 1, groupsgroups, biasFalse), nn.BatchNorm2d(mid_channels), nn.ReLU(inplaceTrue), # 第二层3x3深度卷积groupsmid_channels即每个通道独立卷 nn.Conv2d(mid_channels, mid_channels, 3, stridestride, padding1, groupsmid_channels, biasFalse), nn.BatchNorm2d(mid_channels), # 第三层1x1分组卷积恢复通道数 nn.Conv2d(mid_channels, out_channels, 1, groupsgroups, biasFalse), nn.BatchNorm2d(out_channels), ) # 步长为2时残差分支用平均池化下采样 self.shortcut nn.AvgPool2d(3, stride2, padding1) if stride 1 else nn.Identity() self.relu nn.ReLU(inplaceTrue) def channel_shuffle(self, x, groups): b, c, h, w x.shape x x.view(b, groups, c // groups, h, w) x x.transpose(1, 2).contiguous() return x.view(b, c, h, w)这段代码里最核心的是channel_shuffle方法。view把通道维度 reshape 成(groups, c//groups)transpose(1, 2)交换这两个维度contiguous()确保内存连续后view回来。以 4 组为例原来的通道顺序1,2,3,4,5,6,7,8经过洗牌后变成1,5,2,6,3,7,4,8下一层分组卷积时每组能拿到来自不同原始组的通道。groups参数直接控制分组数量这个项目里用的是默认的 4 组——分组越多计算量越小但组间信息交互的损失也越大4 是一个比较推荐的平衡点。2.3 为什么选 ShuffleNet 而不是 MobileNet 做成熟度分类菠萝成熟度分类这个场景有两个特点第一类别之间差异是渐变的——七分熟和八分熟在颜色和纹理上的差别很小需要模型有足够的特征表达能力第二数据集不大只有不到 5000 张训练图网络太深太宽容易过拟合。MobileNetV1 的深度可分离卷积虽然计算量也小但论文里原版的逐点卷积不做分组参数量在 130 万左右比 ShuffleNet 略高。ShuffleNet 在 ImageNet 上的精度和 MobileNet 几乎持平但速度更快因为 1×1 分组卷积在 GPU 上也能吃到 group 并行带来的加速。实际对比过的人都知道这批数据里 MobileNet 跑到后期容易出现的现象是训练精度和验证精度拉开——典型的过拟合。ShuffleNet 参数少加上 BatchNorm 的稳定性反倒在 50 个 epoch 的设定下收敛得更平稳。而且项目的预测脚本在设计上做了一个很实用的取舍取前三个概率最高的类别画在图片上这非常符合农产品的分级逻辑——成熟度本身就是一个连续光谱硬分到 8 类必然有相邻类别混淆给出 Top-3 让使用者自己判断比一刀切强多了。3. 从压缩包到训练集目录结构、数据校验与路径陷阱3.1 解压后的目录树和每类图片的数量检查拿到压缩包解压后第一件事不是急着跑代码而是把目录结构梳理清楚。这个项目的数据组织方式非常朴素——按文件夹分好类文件夹名就是类别名这也是 PyTorch 的ImageFolder数据加载器默认的读法。|-->import os from collections import Counter train_counts Counter() for root, dirs, files in os.walk(data-train): if files: # 文件夹名就是类别标签 label os.path.basename(root) train_counts[label] len(files) for label, count in sorted(train_counts.items()): print(f{label}: {count})跑完这个脚本应该能看到 8 个文件夹各自的数量。这份数据本身是分割好的我拿到手里第一件事是检查有没有空文件夹和损坏图片——ImageFolder遇到读不了的图不会报错只是跳过这在后面训练时会造成潜在的类别不均衡。检验图片是否能被 OpenCV 或 PIL 正确读取用一段几行的脚本就能扫完from PIL import Image import os bad_imgs [] for dirpath, _, filenames in os.walk(data-train): for f in filenames: if not f.lower().endswith((jpg, jpeg, png)): continue img_path os.path.join(dirpath, f) try: with Image.open(img_path) as img: img.load() except Exception as e: bad_imgs.append((img_path, str(e))) print(f损坏图片数: {len(bad_imgs)}) for path, err in bad_imgs[:10]: print(path, err)3.2 训练脚本里的自动建类逻辑读 readme 不如看代码项目亮点之一是不需要手动改类别个数训练脚本会自动扫描数据目录生成类别列表。这里常见的一个翻车点是很多人拿到代码后会去改num_classes参数但这份代码实际上是通过ImageFolder的classes属性自动推导的。理解这个逻辑比手动改参数更重要from torchvision import datasets train_dataset datasets.ImageFolder(rootdata-train) # ImageFolder会自动把子文件夹名映射为类别索引 num_classes len(train_dataset.classes) print(f检测到 {num_classes} 个类别) print(类别索引映射:, train_dataset.class_to_idx)ImageFolder会按字符串排序来决定类别顺序这意味着如果文件夹名是1_未熟、2_半熟这样的数字开头顺序是可控的但如果是中文名或者无规则命名顺序就可能不是你想的那个。我拿到数据集后第一件事就是打印class_to_idx确保最后的预测结果和实际类别能对上。否则可能出现训练精度很高但预测结果画在图上却把五成熟的菠萝标成了未熟——因为你不知道内部按什么顺序排的。这个自动建类的逻辑在train.py里一般长这样# 数据集加载和类别数自动生成 train_dataset datasets.ImageFolder( rootdata-train, transformtrain_transforms ) # 类别数从数据集对象自动获取不需要手工指定 model shufflenet_v2_x0_5(num_classeslen(train_dataset.classes))第一版 ShuffleNet 论文里的shufflenet_v2_x0_5和实际 torchvision 里实现的结构略有差异不过这个项目用的应该是自己定义的版本。新手容易踩的坑是直接拿 torchvision 预训练的shufflenet_v2_x0_5来改结果num_classes改对了但输入图像的尺寸对齐出了问题——torchvision 的标准实现期望 224×224 输入而有的自定义版本用的是 256×256 或更小的输入分类头的全连接层尺寸不一样直接加载预训练权重就报了 shape mismatch。4. 训练流程复现从数据增强到 50 个 epoch 的完整参数4.1 数据增强策略和 Normalize 参数这份项目的数据增强在 readme 里没有写得很细但从训练 50 个 epoch 能到 87% 精度这个结果看大概率包含了随机裁剪、水平翻转和标准化。对于农业视觉数据我会把增强策略分成两派一派是保守派只做轻度随机裁剪和翻转一派是激进派加颜色抖动和随机擦除。菠萝成熟度分类的特殊性在于颜色信息极其关键——八分熟和熟透的差异很多时候就是颜色饱和度那一点差距如果加了过强的颜色抖动模型反而学不到真实的成熟度特征。常见做法是训练集用随机裁剪加水平翻转train_transforms transforms.Compose([ transforms.RandomResizedCrop(224, scale(0.7, 1.0)), transforms.RandomHorizontalFlip(p0.5), transforms.ColorJitter(brightness0.2, contrast0.2, saturation0.1), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) test_transforms 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]) ])RandomResizedCrop的scale(0.7, 1.0)是我手动调过的——默认是(0.08, 1.0)对菠萝这种主体占画面大部分的目标来说裁得太小会导致模型学到的是局部纹理而非整体成熟度特征。ColorJitter我只调了亮度和对比度饱和度改动控制在 0.1 以内因为过强的饱和度扰动会把成熟度的颜色差异抹平。Normalize 用的是 ImageNet 的均值方差——尽管这个数据集和 ImageNet 差得很远但几乎所有预训练模型和训练脚本都沿用这套参数效果上并没有明显劣势而且加载预训练权重时不需要额外处理。4.2 优化器、学习率衰减和训练日志的精读方法训练脚本的核心参数配置一眼就能看完但值得细讲。这个项目用的是 cosine 学习率衰减总共 50 个 epoch。cosine 衰减的特点是前期学习率大、下降慢后期急剧减小相当于前期快速收敛后期精细调优。这对小数据集特别友好——因为样本少最优解附近很敏感末期学习率太大容易反复震荡。optimizer torch.optim.SGD(model.parameters(), lr0.01, momentum0.9, weight_decay4e-5) scheduler torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max50, eta_min1e-6) for epoch in range(50): model.train() running_loss 0.0 for images, labels in train_loader: images, labels images.to(device), labels.to(device) optimizer.zero_grad() outputs model(images) loss criterion(outputs, labels) loss.backward() optimizer.step() running_loss loss.item() scheduler.step() # 记录日志当前epoch的loss、学习率和验证精度T_max50刚好等于 epoch 数这是 cosine 衰减的标准用法——学习率从 0.01 平滑下降到eta_min1e-6。初始学习率 0.01 配合 SGD 动量是轻量网络的稳妥选择如果换成 Adam0.001 就够了但对小网络来说 Adam 容易收敛到尖锐极小值泛化差一点。SGD 加 cosine 的组合是这个项目精度爬上 87% 的关键这种配置在小数据集上比 Adam 稳定得多。训练完成之后真正能说明问题的是run_results目录下的loss_curve.png和acc_curve.png。新手看曲线经常犯的错是只看精度不看 loss——精度曲线在后期平缓并不代表模型没问题如果 loss 还在下降说明欠拟合还能继续训如果 loss 已经下降但精度停滞大概率过拟合了。这份项目里写着「加大 epoch 可以增加精度」说明 50 个 epoch 时 loss 大概率还在下降周期里模型没有吃满数据。4.3 训练日志里真正该盯的几个字段train_log.txt里每一行会记录 epoch、loss、学习率和验证精度。我一般按两个维度看这份日志一是 loss 的下降速度——前 10 个 epoch 如果 loss 没有显著下降说明学习率设置有问题或者数据增强出了问题二是最后一次学习率——cosine 衰减逼近eta_min时精度曲线的波动幅度会变小如果在最后学习率极低的情况下精度还持续上升就说明还可以继续训。这份项目最好的权重存在run_results/best_model.pth一般是按验证精度最高的 epoch 保存的和最后一个 epoch 的权重不一定是同一个。很多新手直接用model_epoch50.pth来推理结果精度比训练日志里报的 87% 低出一截这就是没搞清楚 best weight 和 last weight 的区别。拿权重文件做推理时优先加载名字带best的那个。5. 常见问题避坑类别不均衡、过拟合与推理异常排查5.1 加载预训练权重报错shape mismatch 和 strict 参数训练报错里最烦人的就是加载权重时提示size mismatch for classifier.1.weight因为 torchvision 的 ShuffleNetV2 默认是 ImageNet 的 1000 类而你本地是 8 类。解决方式分两种一种是只加载主干部分的权重分类头随机初始化import torch import torchvision.models as models # 先创建自己的模型8个类别 model models.shufflenet_v2_x0_5(num_classes8) state_dict torch.load(shufflenetv2_x0.5.pth, map_locationcpu) # 过滤掉分类头相关的权重 from collections import OrderedDict filtered_dict OrderedDict() for k, v in state_dict.items(): if k.startswith(fc) or k.startswith(classifier): continue filtered_dict[k] v model.load_state_dict(filtered_dict, strictFalse)另一种做法是在加载时用strictFalse直接跳过不匹配的层model.load_state_dict(torch.load(shufflenetv2_x0.5.pth), strictFalse)strictFalse的代价是分类头从头训练如果数据集规模不小这其实不是问题——ShuffleNet 主干提取的是通用视觉特征分类头只是线性映射从头学没问题。我更推荐这种写法简洁而且不容易漏掉层。5.2 训练精度高但测试精度低过拟合的信号和应对菠萝成熟度分类这个数据集只有 4808 张训练图对 8 分类任务不算大过拟合风险是真实存在的。现象是训练集精度一路飙到 95% 以上测试集卡在 80% 上下不再动弹。原因分两个层面一是模型记住了训练集的非本质特征——比如菠萝表面的拍摄背景、光照角度二是数据增强太弱模型看到的样本变换不够多。解决措施按优先级排序先加数据增强的强度比如把RandomResizedCrop的 scale 范围扩大到(0.5, 1.0)加一点RandomRotation(10)然后增大weight_decay从4e-5到1e-4更强的 L2 正则约束权重幅度最后考虑在验证集上做 Early Stopping——如果连续 10 个 epoch 验证精度没超过历史最佳就停止训练。在这份项目里best_model.pth只存最佳验证精度的权重天然规避了最后一个 epoch 过拟合的风险。5.3 推理阶段类别标签错乱和中文路径问题项目里predict.py会自动把inference目录下所有图片推理一遍并把 Top-3 类别和概率画在左上角。这个功能很实用但在 Windows 上跑容易遇到中文路径问题——如果文件夹名带中文os.listdir出来的路径在cv2.imread里可能读不出图片。解决方案是统一用pathlib处理路径from pathlib import Path inference_dir Path(inference) for img_path in inference_dir.glob(*.jpg): # 用 pathlib 替代字符串拼接避免中文路径编码问题 img cv2.imread(str(img_path)) if img is None: print(f图片读取失败: {img_path}) continue另一个坑是类别标签错乱。ImageFolder的class_to_idx按文件夹名排序生成推理结果的反向映射也依赖这个顺序。如果你在训练时数据集目录不变推理时换了目录模型输出的类别索引含义就可能改变。5.4 显存不足和 batch size 的取舍ShuffleNet 别看重但 PyTorch 默认计算图和中间激活值照样吃显存。2080Ti 或 3060 这类显卡跑这个项目基本没压力但如果你想加大分辨率或者调大 batch size很快会遇到 OOM。# 显存不够时的第一步减小batch size而不是换模型 batch_size 16 # 原配置里如果是32先减半 # 如果batch size减半后精度反而下降 # 同时把学习率也减半保持线性缩放关系 optimizer torch.optim.SGD(model.parameters(), lr0.005, momentum0.9)这里有个原则batch size 减半学习率也减半这是被验证过多次的经验法则。很多新手只减 batch size 不减学习率结果模型变得不稳定还怪是数据有问题。这个项目训练 50 个 epoch 的设定在一些低端显卡上可能需要跑几个小时如果显存受限把输入从 224 降到 192 也是一种方案——ShuffleNet 对输入尺寸不敏感精度损失在 1 个点以内。6. 从 87% 往上走采样策略、增量训练和 Top-3 输出实战6.1 边界类别的错分分析先用混淆矩阵定位问题87% 的精度对 8 分类菠萝成熟度来说已经能用了但要往上优化第一步是搞清楚那 13% 的错误集中在哪。我习惯跑一个混淆矩阵来看类别间的互相污染情况import numpy as np import torch 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 images, labels in test_loader: images images.to(device) outputs model(images) _, preds torch.max(outputs, 1) all_preds.extend(preds.cpu().numpy()) all_labels.extend(labels.numpy()) cm confusion_matrix(all_labels, all_preds) # 打印最大误差的非对角线元素定位错分最多的类别对 np.fill_diagonal(cm, 0) max_err_idx np.unravel_index(np.argmax(cm), cm.shape) print(f错分最多类别: {test_dataset.classes[max_err_idx[0]]} - {test_dataset.classes[max_err_idx[1]]})从这类农业数据集的普遍规律来看错分最集中的是相邻成熟阶段比如「半熟」和「七成熟」之间因为视觉差异真的不大。如果这种错分占据大头加大训练数据本身的意义就不大而是要考虑用更细粒度的标签。6.2 增量训练在 best weight 上继续训而不是从头来项目 readme 提到加大 epoch 能提升精度这里我强烈建议用增量训练而不是直接改T_max从零跑。先把best_model.pth加载进来再把T_max设成 30学习率设成原来的十分之一# 加载最佳权重继续训练 model.load_state_dict(torch.load(run_results/best_model.pth)) # 新阶段学习率调低 optimizer torch.optim.SGD(model.parameters(), lr0.001, momentum0.9) # T_max设为30总共增量训练30个epoch scheduler torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max30, eta_min1e-7)增量训练的好处是模型已经在一个比较平稳的位置不用重新经历前期的动荡收敛学习率低一点直接精调。我实测的经验是第二次增量训练的精度涨幅通常在 1-3 个点之间有时候比从零训 80 个 epoch 效果还好。需要注意eta_min别设到原来的1e-6而应该更低让最后的精调窗口更小。6.3 Top-3 输出的业务价值和阈值调整这个项目的predict.py会取前三个最高概率的类别画在左上角这个设计对农产品分级场景非常合理。实际使用中我还会加一个阈值过滤——如果最高概率不足 0.6就标注「需要人工复检」而不是直接输出一个类别。import torch.nn.functional as F probs F.softmax(outputs, dim1) top3_probs, top3_indices torch.topk(probs, k3) # 如果最高的概率都小于阈值说明模型对这张图没把握转人工 if top3_probs[0] 0.6: label_text f需人工复检: {top3_probs[0]:.2f}阈值的设定取决于丢给人工复检还是直接自动分级这个权衡需要结合业务要求来调。农业自动化生产线上漏检成本高阈值可以设高一些如果只是分级筛选0.5 也够用。从那以后我每次跑完一个分类项目都会先看一眼混淆矩阵再决定下一步怎么调而不是闷头加 epoch——这几乎成了我的固定流程希望帮到你。本文还有配套的精品资源点击获取