3. TensorFlow模型训练基础（下）：CIFAR-10图像分类实战

上一节我们把TensorFlow的基础API捋了一遍。这一节，咱们直接上手一个真实的数据集——CIFAR-10。说实话，这个数据集在嵌入式部署圈子里特别常见，因为它既有挑战性，又不会大到让训练卡死。我个人习惯，每次评估一个新模型架构，都会先用CIFAR-10跑一遍，看看基础能力。

3.1 CIFAR-10数据集：32x32的小世界

CIFAR-10包含10个类别的彩色图像，每张32x32像素。你想想看，这么小的图，人眼都容易看错，模型要从中提取特征，确实需要点技巧。

加载数据很简单，Keras直接提供了接口：

import tensorflow as tf
from tensorflow.keras.datasets import cifar10

(x_train, y_train), (x_test, y_test) = cifar10.load_data()

# 归一化到[0,1]区间
x_train = x_train.astype('float32') / 255.0
x_test = x_test.astype('float32') / 255.0

# 标签转为one-hot编码
y_train = tf.keras.utils.to_categorical(y_train, 10)
y_test = tf.keras.utils.to_categorical(y_test, 10)

print(f'训练集形状: {x_train.shape}')
print(f'测试集形状: {x_test.shape}')

3.2 卷积神经网络：Conv2D与MaxPooling2D

全连接网络处理32x32x3的图像，参数量会爆炸。举个例子，第一层如果接512个神经元，光这一层就有32*32*3*512 ≈ 157万个参数。而卷积层通过局部连接和权值共享，参数量少得多。

我建议的入门级CNN结构是这样的：

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense, Dropout

model = Sequential([
    # 第一组卷积+池化
    Conv2D(32, (3, 3), activation='relu', padding='same', input_shape=(32, 32, 3)),
    Conv2D(32, (3, 3), activation='relu', padding='same'),
    MaxPooling2D(pool_size=(2, 2)),
    
    # 第二组卷积+池化
    Conv2D(64, (3, 3), activation='relu', padding='same'),
    Conv2D(64, (3, 3), activation='relu', padding='same'),
    MaxPooling2D(pool_size=(2, 2)),
    
    # 第三组卷积+池化
    Conv2D(128, (3, 3), activation='relu', padding='same'),
    Conv2D(128, (3, 3), activation='relu', padding='same'),
    MaxPooling2D(pool_size=(2, 2)),
    
    # 全连接分类层
    Flatten(),
    Dense(256, activation='relu'),
    Dropout(0.5),
    Dense(10, activation='softmax')
])

model.summary()

这里有几个关键点：

• Conv2D：卷积核提取局部特征。padding='same'保证输出尺寸不变，否则图像会越卷越小。
• MaxPooling2D：下采样，保留最显著的特征，同时减少参数量。2x2的池化核会把尺寸减半。
• Dropout：随机丢弃一部分神经元，防止过拟合。0.5表示训练时50%的神经元会被随机关闭。

3.3 数据增强：让模型见多识广

CIFAR-10只有5万张训练图，对于深度学习来说其实不多。数据增强就是在原始数据上做随机变换，生成更多样化的训练样本。说白了，就是让模型见过各种姿势的猫，它才能真正认识猫。

Keras的ImageDataGenerator用起来很方便：

from tensorflow.keras.preprocessing.image import ImageDataGenerator

datagen = ImageDataGenerator(
    rotation_range=15,      # 随机旋转±15度
    width_shift_range=0.1,  # 水平平移10%
    height_shift_range=0.1, # 垂直平移10%
    horizontal_flip=True,   # 随机水平翻转
    zoom_range=0.1,         # 随机缩放10%
    fill_mode='nearest'     # 填充方式
)

# 在训练时使用数据增强
datagen.fit(x_train)

# 训练时用flow方法
history = model.fit(
    datagen.flow(x_train, y_train, batch_size=64),
    steps_per_epoch=len(x_train) // 64,
    epochs=50,
    validation_data=(x_test, y_test)
)

3.4 过拟合控制：训练集与验证集的博弈

过拟合是深度学习最常见的坑。模型在训练集上表现完美，一到测试集就拉胯。为什么会这样？因为模型把训练集的噪声也学进去了。

我总结了几种有效的控制手段：

早停法的实现：

from tensorflow.keras.callbacks import EarlyStopping

early_stop = EarlyStopping(
    monitor='val_loss',
    patience=10,
    restore_best_weights=True
)

history = model.fit(
    datagen.flow(x_train, y_train, batch_size=64),
    steps_per_epoch=len(x_train) // 64,
    epochs=100,
    validation_data=(x_test, y_test),
    callbacks=[early_stop]
)

3.5 模型评估：不只是看准确率

训练完成后，我们需要全面评估模型。准确率只是一个维度，混淆矩阵和分类报告能告诉我们更多信息。

from sklearn.metrics import classification_report, confusion_matrix
import numpy as np

# 预测
y_pred = model.predict(x_test)
y_pred_classes = np.argmax(y_pred, axis=1)
y_true_classes = np.argmax(y_test, axis=1)

# 分类报告
print(classification_report(y_true_classes, y_pred_classes))

# 混淆矩阵
cm = confusion_matrix(y_true_classes, y_pred_classes)
print(cm)

分类报告会给出每个类别的精确率、召回率和F1分数。如果某个类别的F1特别低，说明模型对这个类别的识别能力不足。比如猫和狗经常被混淆，这是CIFAR-10上的常见问题。

3.6 知识体系总览

下面这张图总结了本节的核心流程和知识点之间的关系：

从数据加载到模型评估，每一步都有坑。但只要你按照这个流程走一遍，CIFAR-10的准确率做到80%以上不成问题。我自己的经验是，不加数据增强大概70%左右，加了能到82%-85%，再配合调参和正则化，可以逼近90%。