基于TensorFlow的猫狗识别：CNN二分类完整实战教程

猫狗识别在高校毕业设计和深度学习入门里一直是很稳的选题。它不像目标检测那样需要处理复杂的边框回归，也不需要像语义分割那样逐像素标注；它只有一个核心任务：把输入图片判断成猫或狗。难度适中，又覆盖了 TensorFlow 的安装、数据集加载、图像预处理、CNN 模型搭建、训练参数调整、模型评估和单图预测这一整套闭环。很多同学卡住的地方其实不是“看不懂网络结构”，而是环境装不上、数据集加载报错、训练完不会保存模型、预测结果和标签对不上。这篇文章面向准备做毕设或刚开始接触 TensorFlow 的读者，从环境准备讲到最终能跑通训练和预测，并把每一步代码拆开解释。

整个项目的技术主线很明确：使用 TensorFlow 2.x 的 Keras API，基于卷积神经网络（CNN）完成猫狗二分类。文章会先解释 CNN 的关键机制，再搭建数据集目录结构，然后用image_dataset_from_directory完成数据加载，接着编写并训练一个小型 CNN 模型，最后给出模型评估、单图预测、报错排查和扩展方向。代码量不大，核心训练脚本保持在 100 行以内，但每一步都不只是一段代码，还包括“为什么要这么写”和“运行后应该看到什么结果”。

1. 理解项目本质：猫狗识别为什么能成为一个完整毕设

1.1 任务定义和技术选型

猫狗二分类的本质是一个监督学习问题。输入是形状为（height, width, channels）的图像张量，输出是一个二分类标签，一般用 0 表示猫、1 表示狗（或者反过来）。在 TensorFlow 中，有两种常见的建模方式：

• 使用Dense层把图片展开成一维向量，再接全连接层分类，这种方法对图像的空间特征利用非常差。
• 使用卷积层Conv2D提取局部特征，再通过池化层压缩特征图，最后连接全连接层分类，这就是 CNN 的常规结构。

第二种方式更适合图像任务，因为卷积操作能够通过卷积核捕捉相邻像素之间的局部模式，比如边缘、纹理、弧线，这些特征叠加起来就能区分猫和狗在耳朵、脸型、毛发纹理上的差异。

1.2 为什么 TensorFlow 适合作为毕设项目框架

TensorFlow 是完成猫狗识别最常用的框架之一，在本科毕设中使用有如下几个实际理由：

• Keras 高层 API 封装完善，用Sequential模型就可以快速搭建 CNN，不用手动实现反向传播。
• 官方和开源社区的猫狗数据集、预训练权重、教程材料非常丰富，遇到问题容易搜到解决方案。
• 支持 CPU 和 GPU 两种训练方式。数据集规模不大时，用 CPU 也能完成训练；有 NVIDIA GPU 的同学可以显著缩短训练时间。
• 模型导出、保存和后续扩展方便，model.save之后可以直接用 TensorFlow Serving 或转成 TFLite 做移动端推理。

PyTorch 同样是优秀选择，但如果你完全没接触过深度学习框架，TensorFlow 的 Keras API 学习曲线相对平缓，适合在有限时间内跑通毕设主线。

1.3 本文的完整实现流程

整个项目可以拆成 6 个阶段，每个阶段都有明确的交付物：

1. 环境准备：安装 TensorFlow 2.x，确认 Python、CUDA、cuDNN 版本匹配。
2. 数据集准备：下载猫狗数据集，整理成 train 和 validation 两个目录。
3. 数据加载：使用tf.keras.utils.image_dataset_from_directory读取图片并自动打标签。
4. 模型搭建：编写Sequential结构的 CNN 模型。
5. 训练与回调：配置优化器、损失函数、评估指标和 Checkpoint 回调。
6. 评估与预测：在验证集上计算准确率，对单张图片进行预测并输出置信度。

学完本文后，你不仅能跑通猫狗识别，还能把这套流程迁移到其他二分类任务上，比如口罩检测、垃圾分类、零件缺陷识别。

2. CNN 核心机制：术语和计算流程必须理解

2.1 图片在神经网络里到底是什么

一张彩色图片在程序里是一个三维数组，shape 是（height, width, channels）。猫狗数据集里的常见尺寸是宽高不统一、通道数为 3（RGB）。比如一张 128x128 的彩色图片，它的 shape 就是（128, 128, 3）。

模型不能直接处理不同尺寸的图片，所以数据加载阶段必须统一所有图片的尺寸。后续代码中统一使用(128, 128, 3)作为输入形状，这个选择不是唯一的，但尺寸越小训练越快，尺寸越大特征越充分。对于猫狗识别，128 或 150 是常见的折中值。

2.2 Conv2D、MaxPooling2D、Flatten、Dense 各负责什么

CNN 模型由几种核心层组合而成，它们的职责完全不同：

Conv2D是卷积层，通过一组可学习的卷积核在图片上滑动，输出多个特征图。每个卷积核负责检测一种局部特征，初始权重是随机的，训练过程中会根据损失函数的梯度不断更新。

MaxPooling2D是最大池化层，作用是在一个小窗口内取最大值，从而降低特征图尺寸，保留最显著的特征信息，同时减少参数量，能够缓解过拟合。

Flatten是把多维特征图展平成一维向量，目的是把卷积层输出的特征“拉直”后交给全连接层。

Dense是全连接层，把前面提取到的特征组合起来做分类决策。最后一层如果是 2 个神经元配合softmax，就是多分类输出；如果是 1 个神经元配合sigmoid，就是二分类输出。

2.3 二分类的损失函数和输出层设计

二分类有两个常用方案：

• 输出层 1 个神经元，激活函数为sigmoid，损失函数为binary_crossentropy。输出值代表“是狗”的概率，数值越接近 1 越可能是狗。
• 输出层 2 个神经元，激活函数为softmax，损失函数为sparse_categorical_crossentropy，输出一个长度为 2 的概率分布。

本文采用第一种方案，因为逻辑更直观，而且预测时只需要取一个概率值即可完成判断。需要特别注意的是，sigmoid输出必须配合binary_crossentropy，softmax输出必须配合sparse_categorical_crossentropy或categorical_crossentropy，混用会导致训练曲线异常。

3. 环境准备与数据集组织

3.1 TensorFlow 版本与依赖关系

TensorFlow 2.x 已经迭代了多个版本，不同版本对 Python 和 CUDA 的要求不同。在实际项目中，装环境出错的原因大多是 Python 版本过高或过低、显卡驱动不匹配、CUDA 和 cuDNN 版本对不上。

如果你的机器没有 NVIDIA 显卡，可以直接安装 CPU 版 TensorFlow，依然可以完成本项目的全部代码，只是训练时间会变长。

安装命令如下（任选其一）：

# CPU 版，适合学生电脑和没有独显的环境 pip install tensorflow # 如果需要指定版本，比如 2.18 pip install tensorflow==2.18.0

安装完成后，在 Python 中执行下面代码确认版本：

import tensorflow as tf print(tf.__version__) print(tf.config.list_physical_devices('GPU'))

注意：不要只确认能 import，还要看打印出的版本号是否为 2.x。如果输出 1.x，说明环境变量或安装源有问题。

3.2 数据集获取和目录结构设计

猫狗识别常用的数据集是 Kaggle 上的 Dogs vs. Cats。原始数据集包含 25000 张图片，训练毕设时不需要全部使用，可以只取一部分。如果无法访问数据集，也可以先用少量图片搭建完整代码，验证流程没问题后再换成完整数据集。

在项目目录下，建议按下面结构组织数据：

cat_dog_project/ ├── data/ │ ├── train/ │ │ ├── cats/ # 猫图片 │ │ └── dogs/ # 狗图片 │ └── validation/ │ ├── cats/ │ └── dogs/ ├── checkpoints/ # 模型保存目录 ├── train.py # 训练脚本 ├── predict.py # 预测脚本 └── requirements.txt

这里要求训练集和验证集都按照“类名作为子目录名”的方式组织，因为image_dataset_from_directory会自动读取子目录名作为标签。需要注意，类名不要用中文，否则后续标签映射会麻烦。

3.3 使用脚本划分训练集

如果下载的数据集是单一目录中混杂所有图片，可以用脚本按比例划分。下面这段代码会把每张图片根据文件名中的 cat 或 dog 关键字复制到目标目录：

import os import shutil import random source_dir = "raw_images" # 原始图片目录 train_dir = "data/train" val_dir = "data/validation" val_ratio = 0.2 for label in ["cat", "dog"]: os.makedirs(os.path.join(train_dir, label), exist_ok=True) os.makedirs(os.path.join(val_dir, label), exist_ok=True) for filename in os.listdir(source_dir): if "cat" in filename: label = "cat" elif "dog" in filename: label = "dog" else: continue src = os.path.join(source_dir, filename) if random.random() < val_ratio: dst = os.path.join(val_dir, label, filename) else: dst = os.path.join(train_dir, label, filename) shutil.copy(src, dst) print("数据集划分完成")

这段代码的关键点是按文件名关键字判断类别，真实项目中如果图片文件名是纯数字，就需要从标注文件里获取标签，而不能靠关键字。

4. 数据加载与预处理

4.1 使用 image_dataset_from_directory 加载图片

有了目录结构之后，数据加载可以直接交给 Keras 工具，不需要手动写读取图片的循环。下面代码放在训练脚本中：

import tensorflow as tf IMG_SIZE = (128, 128) BATCH_SIZE = 32 train_ds = tf.keras.utils.image_dataset_from_directory( "data/train", validation_split=0.2, subset="training", seed=123, image_size=IMG_SIZE, batch_size=BATCH_SIZE, label_mode="binary", ) val_ds = tf.keras.utils.image_dataset_from_directory( "data/validation", label_mode="binary", image_size=IMG_SIZE, batch_size=BATCH_SIZE, )

这里有几个参数需要解释：

• validation_split和subset：在训练目录内部再留一部分做验证集，适合训练数据没有单独划分验证集的情况。
• seed：固定随机划分顺序，保证多次运行结果可比。
• label_mode="binary"：直接输出 0/1 标签，和一层神经元加sigmoid匹配。
• image_size：加载时自动缩放图片，不需要自己写 resize。

4.2 归一化处理

图片像素值范围是 0 到 255，把数据缩放到 0 到 1 之间可以让网络更稳定地训练。常见做法是使用Rescaling层：

from tensorflow.keras import layers normalization_layer = layers.Rescaling(1.0 / 255) train_ds = train_ds.map(lambda x, y: (normalization_layer(x), y)) val_ds = val_ds.map(lambda x, y: (normalization_layer(x), y))

也可以直接把Rescaling(1.0 / 255)作为模型的第一层。两种方式效果类似，放在模型里更直观，放在数据管道里可以缩短单个 epoch 的预处理时间。

4.3 数据增强的延迟使用策略

数据增强是防止过拟合的常用手段，包括随机翻转、旋转、缩放等。需要注意的是，增强操作只应用在训练集，不能应用于验证集，否则验证集每次评估都看到不同图片，指标就不稳定。可以在模型内部加入增强层，也可以只在实际训练时开启增强。

data_augmentation = tf.keras.Sequential([ layers.RandomFlip("horizontal"), layers.RandomRotation(0.1), layers.RandomZoom(0.1), ])

先用cache和prefetch优化数据管道，让数据读取尽量不阻塞模型计算：

train_ds = train_ds.cache().shuffle(1000).prefetch(buffer_size=tf.data.AUTOTUNE) val_ds = val_ds.cache().prefetch(buffer_size=tf.data.AUTOTUNE)

其中prefetch的作用是在 GPU 或 CPU 训练的同时预取下一批数据，减少等待时间。

5. 构建 CNN 模型并理解每层参数

5.1 基础 CNN 模型结构

下面是一个适合猫狗二分类的 CNN 模型，结构简洁，参数量适中，CPU 也能训练：

from tensorflow.keras import layers, models model = models.Sequential([ data_augmentation, layers.Conv2D(32, (3, 3), activation="relu", input_shape=(128, 128, 3)), layers.MaxPooling2D((2, 2)), layers.Conv2D(64, (3, 3), activation="relu"), layers.MaxPooling2D((2, 2)), layers.Conv2D(128, (3, 3), activation="relu"), layers.MaxPooling2D((2, 2)), layers.Flatten(), layers.Dense(128, activation="relu"), layers.Dropout(0.5), layers.Dense(1, activation="sigmoid"), ])

模型前半部分是卷积特征提取，后半部分是全连接分类。input_shape必须和image_size以及通道数保持一致。如果前面使用Rescaling在模型中，就要把它放在input_shape之后的第一层。

5.2 编译模型时的关键选择

model.compile( optimizer="adam", loss="binary_crossentropy", metrics=["accuracy"], )

三个配置项都很关键：

• optimizer="adam"：Adam 优化器对学习率的敏感度较低，通用性强，适合大多数图像分类任务。
• loss="binary_crossentropy"：损失函数必须和最后一层的激活函数匹配。
• metrics=["accuracy"]：用于观察每一轮训练和验证的准确率。

5.3 打印模型摘要并确认参数量

model.summary()

运行后会看到每一层的输出 shape 和参数量。最后一层全连接之前的特征图维度取决于图片尺寸和池化次数，这是判断网络结构是否合理的重要依据。如果参数远超预期，说明深层卷积核过多或全连接层过大，需要调整。

6. 模型训练与回调配置

6.1 训练脚本主体

训练部分的核心代码如下：

from tensorflow.keras.callbacks import ModelCheckpoint, EarlyStopping checkpoint = ModelCheckpoint( "checkpoints/best_model.keras", monitor="val_accuracy", save_best_only=True, verbose=1, ) early_stop = EarlyStopping( monitor="val_loss", patience=5, restore_best_weights=True, ) history = model.fit( train_ds, validation_data=val_ds, epochs=30, callbacks=[checkpoint, early_stop], )

ModelCheckpoint会根据验证集准确率自动保存最优模型，训练中断或过拟合后也不用担心丢失最佳权重。EarlyStopping在验证损失连续多轮不下降时提前结束训练，防止浪费时间。

6.2 训练日志解读

正常训练时，输出大致如下：

Epoch 1/30 125/125 [==============================] - 12s 95ms/step - loss: 0.6932 - accuracy: 0.5130 - val_loss: 0.6820 - val_accuracy: 0.5550 Epoch 2/30 125/125 [==============================] - 11s 88ms/step - loss: 0.6765 - accuracy: 0.5720 - val_loss: 0.6640 - val_accuracy: 0.6020

前几轮准确率接近 0.5 是正常现象，因为初始权重是随机的。随着 epoch 增加，训练准确率和验证准确率都应该逐步上升。如果训练准确率长时间不动，很可能需要调整学习率，或者数据增强过强导致模型难以拟合。

6.3 绘制训练曲线

训练结束后，用 Matplotlib 绘制准确率和损失曲线，可以直观判断是否过拟合：

import matplotlib.pyplot as plt acc = history.history["accuracy"] val_acc = history.history["val_accuracy"] loss = history.history["loss"] val_loss = history.history["val_loss"] plt.figure(figsize=(12, 4)) plt.subplot(1, 2, 1) plt.plot(acc, label="train acc") plt.plot(val_acc, label="val acc") plt.legend() plt.title("Accuracy") plt.subplot(1, 2, 2) plt.plot(loss, label="train loss") plt.plot(val_loss, label="val loss") plt.legend() plt.title("Loss") plt.show()

如果训练准确率很高而验证准确率偏低，说明过拟合；如果两边都很低，说明模型欠拟合，需要增加模型容量或减少数据增强强度。

7. 模型评估与单图预测

7.1 在验证集上评估模型

训练完成后，使用evaluate得到模型在验证集上的最终表现：

val_loss, val_acc = model.evaluate(val_ds) print(f"验证集损失: {val_loss:.4f}") print(f"验证集准确率: {val_acc:.4f}")

7.2 对单张图片进行预测

单图预测是毕设答辩里最常演示的部分。核心代码：

import numpy as np from tensorflow.keras.preprocessing import image def predict_image(img_path): img = image.load_img(img_path, target_size=(128, 128)) img_array = image.img_to_array(img) img_array = np.expand_dims(img_array, axis=0) img_array = img_array / 255.0 pred = model.predict(img_array, verbose=0)[0][0] class_name = "狗" if pred > 0.5 else "猫" print(f"图片: {img_path}") print(f"预测分数（狗的概率）: {pred:.4f}") print(f"预测结果: {class_name}")

这段代码中有几个常见出错点：

• 训练时用了Rescaling(1/255)，预测时也要手动做同样的归一化，否则输入分布不一致，结果会异常。
• target_size必须和训练时的image_size一致。
• np.expand_dims是为了把单张图片变成 shape 为(1, 128, 128, 3)的批次数据，因为模型要求输入带 batch 维度。

7.3 保存和加载模型

ModelCheckpoint已经保存了最佳模型，也可以单独保存整个模型：

model.save("cat_dog_model.keras")

之后在预测脚本里加载：

loaded_model = tf.keras.models.load_model("cat_dog_model.keras")

Keras 3 推荐使用.keras后缀，使用旧版.h5在 TensorFlow 2.18 中依然可用，但新项目建议统一用.keras格式。

8. 常见问题与排查链路

8.1 显存不足或训练崩溃

现象：启动训练后程序报错，提示CUDA_ERROR_OUT_OF_MEMORY或Resource exhausted。

可能原因：批量大小太大、图片尺寸太大、同时打开了多个模型。

处理方式：

• 把BATCH_SIZE从 32 降到 16 或 8。
• 把IMG_SIZE从 256 降到 128。
• 关闭其他占用 GPU 显存的程序。

nvidia-smi

用上述命令确认 GPU 占用情况。

8.2 训练准确率一直不上升

现象：多轮训练后准确率停留在 0.5 附近。

排查顺序：

1. 检查标签是否错乱。image_dataset_from_directory的标签顺序是按字母序排列的，cat 在前为 0，dog 在后为 1。
2. 检查归一化是否重复或遗漏。如果加载数据时已经归一化，模型中又添加了Rescaling层，相当于输入被除了两次 255。
3. 检查损失函数是否和输出层匹配。sigmoid + binary_crossentropy搭配正确，其他组合会出现训练异常。
4. 减少数据增强强度，过强的翻转和缩放可能让模型难以学习。

8.3 预测结果总是某一类

现象：无论输入什么图片，预测结果都是猫或都是狗。

排查重点：

• 确认预测脚本中的归一化方式和训练时一致。
• 确认加载的是ModelCheckpoint保存的最优模型，而不是最后一个 epoch 的权重。
• 打印pred原始值。如果一直接近 0 或一直接近 1，大概率是模型或数据问题；如果接近 0.5，说明模型没有学到有效特征。

8.4 训练和验证准确率差异巨大

现象：训练准确率 95% 以上，验证准确率只有 70% 左右。

这是过拟合。处理思路：

• 降低全连接层参数或添加更多Dropout。
• 增加RandomFlip、RandomRotation等数据增强。
• 缩小训练轮次，让EarlyStopping发挥作用。

9. 提升识别效果的方向与毕设扩展建议

9.1 数据增强要合理，不能盲目加

数据增强是提升模型泛化能力的有效手段，但增强强度过大会导致模型无法学习关键特征。对猫狗识别来说，水平翻转比较安全，垂直翻转则不适合，因为真实照片中猫狗很少倒立出现。旋转角度也可以控制在 10 度以内。

9.2 迁移学习通常是提分最快的方案

从头训练一个小型 CNN，最终准确率可能达到 85% 左右，如果追求更高的效果，使用预训练模型是性价比更高的选择。在 TensorFlow 中用迁移学习的思路是：使用预训练模型（如 MobileNetV2、ResNet50）的卷积基，冻结前置层的权重，只训练全连接分类器。

from tensorflow.keras.applications import MobileNetV2 base_model = MobileNetV2( input_shape=(128, 128, 3), include_top=False, weights="imagenet", ) base_model.trainable = False model = models.Sequential([ layers.Rescaling(1.0 / 255), base_model, layers.GlobalAveragePooling2D(), layers.Dense(128, activation="relu"), layers.Dropout(0.5), layers.Dense(1, activation="sigmoid"), ])

迁移学习的思路同样适用于毕设论文中的“基于预训练模型的猫狗识别”选题。

9.3 特征可视化和 Grad-CAM 是论文加分项

如果毕设需要展示“模型到底看哪里”，可以在模型中输出最后一层卷积层，然后结合梯度计算 Grad-CAM 热力图。这部分能在论文中大幅提升工作量展示效果，但要注意把每个步骤讲清楚，避免只贴图不解释。

9.4 扩展方向和使用场景

一个猫狗二分类项目可以扩展成多种形式：

• 使用 OpenCV 读取摄像头画面，实时判断画面中的猫狗。
• 把模型转为 TFLite，部署到 Android 或嵌入式设备。
• 把二分类扩展到多分类，比如猫、狗、鸟、兔子四类，只需要改数据集目录结构和最后一层神经元数量。
• 在前端做一个上传图片的 Web 页面，后端调用 TensorFlow 推理，形成完整系统演示。

对于毕设来说，从“能跑通”到“能讲明白”还有一段距离。建议做以下几件事：

• 记录每一次训练的超参数和结果，形成实验记录表。
• 比较基础 CNN 和迁移学习两种方案在相同数据集上的效果差异。
• 把训练过程保存的 checkpoints 整理好，便于答辩时现场演示。
• 在项目 README 中写明环境版本、运行命令和遇到的问题，方便自己复盘也让老师快速了解项目。

猫狗识别本身不难，但它是理解图像分类完整链路的最佳入门项目之一。从环境准备到最终预测，每一步踩过的坑都对应着深度学习实践中真实会遇到的问题。建议先按照本文完整跑通一遍，再尝试调整模型深度、图片尺寸、数据增强和优化器参数，运行对比实验。这样交出来的毕设不只是“代码能跑”，而是你真正理解每个环节为什么这么设计。