Python深度学习算法实战教程零基础入门CNN卷积神经网络图像识别RNN循环神经网络序列预测完整代码示例与常见模型搭建指南

好，咱们今天来聊聊深度学习，尤其是CNN和RNN这两个小家伙。你可能会想：深度学习？那不是专业人士干的吗？其实不然，我现在就带你一步步走进这个神奇的世界，保证你看完就能上手写代码！

为什么说深度学习值得学？

先说个真实故事。我有个朋友，以前是个做财务的，天天对着Excel表格发呆。后来他迷上了机器学习，现在转行做数据分析，年薪翻倍。他说：”其实没那么难，就是多花点时间理解原理，然后动手敲代码。”

深度学习确实看起来高深，但本质很简单——就是让电脑从数据中自己学规律。比如你给电脑看一万张猫的照片，它就能学会区分猫和狗。是不是听起来很酷？

环境准备：别被吓到，很简单

开始之前，你需要准备好Python环境。不用担心，跟着做就行：

# 安装必要的库
# 打开终端或命令行，运行以下命令：

pip install tensorflow pandas numpy matplotlib seaborn

# 或者如果你更倾向PyTorch：
pip install torch torchvision pandas numpy matplotlib

安装完这些，你就有了深度学习的基本工具。我推荐用Jupyter Notebook写代码，因为它可以逐行运行，方便调试，就像做实验一样。

第一部分：认识神经网络

在学CNN和RNN之前，我们先来理解最基础的神经网络——就像人脑的简化版。

import tensorflow as tf
from tensorflow import keras
import numpy as np

# 最简单的神经网络：全连接层
model = keras.Sequential([
    keras.layers.Dense(128, activation='relu', input_shape=(784,)),
    keras.layers.Dense(64, activation='relu'),
    keras.layers.Dense(10, activation='softmax')  # 10个类别
])

model.summary()  # 看看模型长什么样

输出类似这样：

Model: "sequential"
_________________________________________________________________
Layer (type)                Output Shape              Param #   
=================================================================
dense (Dense)               (None, 128)               100352    
_________________________________________________________________
dense_1 (Dense)             (None, 64)                8256      
_________________________________________________________________
dense_2 (Dense)             (None, 10)                650       
=================================================================
Total params: 109,258
Trainable params: 109,258
Non-trainable params: 0

简单说，数据从这里进去，经过一层层计算，最后输出结果。每一步都在”学习”如何把输入变成正确的输出。

第二部分：CNN卷积神经网络——图像识别的王者

CNN是处理图像的神器。你可能听说过它是做图像分类的，但你知道它为什么厉害吗？

CNN的核心思想：局部感知

想象一下，你以前看照片是从左上角一直看到右下角。但CNN不一样，它先看一小块，再看旁边一小块，然后自己组合出完整的画面。这就像我们看字的时候，不是一眼看整个字，而是先看笔画，再看结构。

动手搭建一个图像分类模型

我们用经典的MNIST数据集——就是那些手写的0-9数字。

# 加载并预处理数据
(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()

# 归一化：把像素值从0-255变成0-1
x_train = x_train.astype('float32') / 255.0
x_test = x_test.astype('float32') / 255.0

# 调整形状，CNN需要4D输入：(样本数, 高, 宽, 通道)
x_train = x_train.reshape(-1, 28, 28, 1)
x_test = x_test.reshape(-1, 28, 28, 1)

接下来是构建CNN的主体：

cnn_model = keras.Sequential([
    # 第一个卷积层：提取低级特征（边缘、线条）
    keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),
    keras.layers.MaxPooling2D((2, 2)),
    
    # 第二个卷积层：提取更复杂的特征
    keras.layers.Conv2D(64, (3, 3), activation='relu'),
    keras.layers.MaxPooling2D((2, 2)),
    
    # 第三个卷积层：继续提取高级特征
    keras.layers.Conv2D(64, (3, 3), activation='relu'),
    
    # 展平，准备进入全连接层
    keras.layers.Flatten(),
    
    # 全连接层：做最终分类
    keras.layers.Dense(64, activation='relu'),
    keras.layers.Dropout(0.5),  # 防止过拟合
    keras.layers.Dense(10, activation='softmax')  # 输出10个类别的概率
])

cnn_model.summary()

现在编译并训练：

cnn_model.compile(
    optimizer='adam',
    loss='sparse_categorical_crossentropy',
    metrics=['accuracy']
)

history = cnn_model.fit(
    x_train, y_train,
    epochs=5,
    batch_size=64,
    validation_data=(x_test, y_test)
)

# 看看训练结果
test_loss, test_acc = cnn_model.evaluate(x_test, y_test)
print(f'测试准确率: {test_acc * 100:.2f}%')

通常这样的模型能达到99%左右的准确率。是不是很厉害？一个手写数字识别模型，几千行代码都不到。

进阶：用CNN做更复杂的任务

比如分类猫狗图片，你可以用Transfer Learning（迁移学习）：

# 加载预训练的MobileNet模型
base_model = keras.applications.MobileNetV2(
    weights='imagenet',
    include_top=False,
    input_shape=(224, 224, 3)
)

# 冻结预训练层
base_model.trainable = False

# 构建完整模型
model = keras.Sequential([
    base_model,
    keras.layers.GlobalAveragePooling2D(),
    keras.layers.Dense(128, activation='relu'),
    keras.layers.Dropout(0.3),
    keras.layers.Dense(1, activation='sigmoid')  # 二分类：猫或狗
])

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

# 训练
model.fit(train_data, epochs=10)

第三部分：RNN循环神经网络——处理序列数据

CNN擅长处理图像，而RNN擅长处理序列数据——比如文字、时间序列、语音等。

RNN的核心思想：记住过去

想象你在读一篇文章，你不会只看一个词就理解意思，而是会结合前面所有的词。RNN就是这样工作的——它有一个”记忆”，能够记住前面看到的信息。

用RNN做文本分类

我们用IMDB电影评论数据集来做例子，判断评论是正面还是负面：

# 加载数据
(x_train, y_train), (x_test, y_test) = keras.datasets.imdb.load_data(num_words=10000)

# 填充序列，让所有评论长度一致
x_train = keras.preprocessing.sequence.pad_sequences(x_train, maxlen=200)
x_test = keras.preprocessing.sequence.pad_sequences(x_test, maxlen=200)

构建RNN模型：

rnn_model = keras.Sequential([
    # 词嵌入层：把单词变成向量
    keras.layers.Embedding(10000, 64, input_length=200),
    
    # LSTM层：处理序列
    keras.layers.LSTM(64, return_sequences=True),
    keras.layers.Dropout(0.3),
    
    keras.layers.LSTM(32),
    keras.layers.Dropout(0.3),
    
    # 全连接层
    keras.layers.Dense(16, activation='relu'),
    keras.layers.Dense(1, activation='sigmoid')
])

rnn_model.compile(
    optimizer='adam',
    loss='binary_crossentropy',
    metrics=['accuracy']
)

rnn_model.summary()

训练模型：

history = rnn_model.fit(
    x_train, y_train,
    epochs=5,
    batch_size=64,
    validation_data=(x_test, y_test)
)

test_loss, test_acc = rnn_model.evaluate(x_test, y_test)
print(f'测试准确率: {test_acc * 100:.2f}%')

RNN的变体：LSTM和GRU

你可能注意到了，代码里用的是LSTM。LSTM是RNN的一种改进版本，它解决了传统RNN”记不住太久以前的信息”的问题。

# 对比三种序列模型

# 1. 简单的RNN
simple_rnn = keras.Sequential([
    keras.layers.Embedding(10000, 64, input_length=200),
    keras.layers.SimpleRNN(64),
    keras.layers.Dense(1, activation='sigmoid')
])

# 2. LSTM（推荐）
lstm_model = keras.Sequential([
    keras.layers.Embedding(10000, 64, input_length=200),
    keras.layers.LSTM(64),
    keras.layers.Dense(1, activation='sigmoid')
])

# 3. GRU（LSTM的轻量版）
gru_model = keras.Sequential([
    keras.layers.Embedding(10000, 64, input_length=200),
    keras.layers.GRU(64),
    keras.layers.Dense(1, activation='sigmoid')
])

用RNN做时间序列预测

RNN不仅能处理文本，还能预测未来的数据。比如预测股票价格、天气等：

import numpy as np

# 生成模拟的时间序列数据
np.random.seed(42)
data = np.sin(np.linspace(0, 20*np.pi, 1000)) + np.random.normal(0, 0.1, 1000)

# 准备训练数据
def create_dataset(dataset, look_back=60):
    X, Y = [], []
    for i in range(len(dataset)-look_back):
        X.append(dataset[i:i+look_back])
        Y.append(dataset[i+look_back])
    return np.array(X), np.array(Y)

X, Y = create_dataset(data, look_back=60)

# 分割训练集和测试集
train_size = int(len(X) * 0.8)
X_train, X_test = X[:train_size], X[train_size:]
Y_train, Y_test = Y[:train_size], Y[train_size:]

# 构建模型
seq_model = keras.Sequential([
    keras.layers.LSTM(64, return_sequences=True, input_shape=(60, 1)),
    keras.layers.LSTM(32),
    keras.layers.Dense(16, activation='relu'),
    keras.layers.Dense(1)
])

seq_model.compile(optimizer='adam', loss='mse')

# 训练
seq_model.fit(
    X_train, Y_train,
    epochs=20,
    batch_size=32,
    validation_data=(X_test, Y_test)
)

# 预测
predictions = seq_model.predict(X_test)

# 可视化结果
import matplotlib.pyplot as plt
plt.figure(figsize=(12, 4))
plt.plot(Y_test[:100], label='真实值')
plt.plot(predictions[:100].flatten(), label='预测值')
plt.legend()
plt.show()

第四部分：常见模型实战

模型一：用CNN做CIFAR-10图像分类

# 加载CIFAR-10数据集
(x_train, y_train), (x_test, y_test) = keras.datasets.cifar10.load_data()

# 归一化
x_train, x_test = x_train / 255.0, x_test / 255.0

# 构建更深的CNN
deep_cnn = keras.Sequential([
    keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3)),
    keras.layers.BatchNormalization(),
    keras.layers.Conv2D(32, (3, 3), activation='relu'),
    keras.layers.BatchNormalization(),
    keras.layers.MaxPooling2D((2, 2)),
    keras.layers.Dropout(0.25),
    
    keras.layers.Conv2D(64, (3, 3), activation='relu'),
    keras.layers.BatchNormalization(),
    keras.layers.Conv2D(64, (3, 3), activation='relu'),
    keras.layers.BatchNormalization(),
    keras.layers.MaxPooling2D((2, 2)),
    keras.layers.Dropout(0.25),
    
    keras.layers.Flatten(),
    keras.layers.Dense(512, activation='relu'),
    keras.layers.BatchNormalization(),
    keras.layers.Dropout(0.5),
    keras.layers.Dense(10, activation='softmax')
])

deep_cnn.compile(
    optimizer='adam',
    loss='sparse_categorical_crossentropy',
    metrics=['accuracy']
)

# 使用数据增强提高泛化能力
data_augmentation = keras.Sequential([
    keras.layers.RandomRotation(0.1),
    keras.layers.RandomFlip("horizontal"),
    keras.layers.RandomZoom(0.1)
])

# 训练
deep_cnn.fit(
    data_augmentation(x_train), y_train,
    epochs=20,
    batch_size=64,
    validation_data=(x_test, y_test)
)

模型二：用LSTM做股票价格预测

# 导入真实股票数据
import yfinance as yf

# 获取苹果公司股票数据
data = yf.download('AAPL', start='2020-01-01', end='2023-01-01')
close_prices = data['Close'].values.reshape(-1, 1)

# 归一化
from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler()
close_prices_scaled = scaler.fit_transform(close_prices)

# 创建数据集
def create_dataset(dataset, look_back=60):
    X, Y = [], []
    for i in range(len(dataset)-look_back):
        X.append(dataset[i:i+look_back])
        Y.append(dataset[i+look_back])
    return np.array(X), np.array(Y)

X, Y = create_dataset(close_prices_scaled, look_back=60)

# 分割数据
train_size = int(len(X) * 0.8)
X_train, X_test = X[:train_size], X[train_size:]
Y_train, Y_test = Y[:train_size], Y[train_size:]

# 构建模型
stock_model = keras.Sequential([
    keras.layers.LSTM(128, return_sequences=True, input_shape=(60, 1)),
    keras.layers.Dropout(0.2),
    keras.layers.LSTM(64, return_sequences=False),
    keras.layers.Dropout(0.2),
    keras.layers.Dense(32, activation='relu'),
    keras.layers.Dense(1)
])

stock_model.compile(optimizer='adam', loss='mse')

# 训练
stock_model.fit(
    X_train, Y_train,
    epochs=30,
    batch_size=32,
    validation_data=(X_test, Y_test)
)

# 预测并反归一化
predictions_scaled = stock_model.predict(X_test)
predictions = scaler.inverse_transform(predictions_scaled)
actual = scaler.inverse_transform(Y_test)

# 评估
from sklearn.metrics import mean_squared_error
mse = mean_squared_error(actual, predictions)
print(f'MSE: {mse:.4f}')

模型三：用双向LSTM做文本情感分析

# 加载数据
(x_train, y_train), (x_test, y_test) = keras.datasets.imdb.load_data(num_words=20000)

x_train = keras.preprocessing.sequence.pad_sequences(x_train, maxlen=200)
x_test = keras.preprocessing.sequence.pad_sequences(x_test, maxlen=200)

# 双向LSTM模型
bi_lstm_model = keras.Sequential([
    keras.layers.Embedding(20000, 128, input_length=200),
    
    # 双向LSTM可以捕捉前后文信息
    keras.layers.Bidirectional(keras.layers.LSTM(64, return_sequences=True)),
    keras.layers.Bidirectional(keras.layers.LSTM(32)),
    
    keras.layers.Dense(64, activation='relu'),
    keras.layers.Dropout(0.5),
    keras.layers.Dense(1, activation='sigmoid')
])

bi_lstm_model.compile(
    optimizer='adam',
    loss='binary_crossentropy',
    metrics=['accuracy']
)

bi_lstm_model.fit(
    x_train, y_train,
    epochs=10,
    batch_size=64,
    validation_data=(x_test, y_test)
)

第五部分：常见问题和解决方案

问题一：过拟合

过拟合就是模型”死记硬背”了训练数据，遇到新数据就傻眼了。

解决方法：

# 1. Dropout
keras.layers.Dropout(0.3)

# 2. 数据增强
data_augmentation = keras.Sequential([
    keras.layers.RandomRotation(0.2),
    keras.layers.RandomFlip("horizontal"),
    keras.layers.RandomZoom(0.1)
])

# 3. 减少模型复杂度
# 减少层数或神经元数量

问题二：梯度消失/爆炸

尤其是在RNN中常见。解决方法：

# 使用LSTM或GRU（已经内置了解决方案）
keras.layers.LSTM(64, return_sequences=True)

# 使用梯度裁剪
optimizer = keras.optimizers.Adam(clipnorm=1.0)

问题三：训练太慢

解决方法：

# 使用预训练模型
base_model = keras.applications.MobileNetV2(weights='imagenet', include_top=False)

# 调整学习率
optimizer = keras.optimizers.Adam(learning_rate=0.001)

# 使用GPU加速
# 在Google Colab或本地配置CUDA

第六部分：实战建议

从小项目开始：不要一开始就挑战复杂的任务。先用MNIST（手写数字）练手，再挑战CIFAR-10（彩色图像），最后尝试自己的数据集。
理解原理比调参重要：很多初学者沉迷于调参，但如果不理解原理，调参也是盲目的。建议先搞懂CNN的卷积、池化是什么，RNN的”记忆”是怎么工作的。
多动手，多调试：深度学习是个实践性很强的领域。遇到报错不要慌，打印出数据形状，看看每一步的输出是否符合预期。
利用现成资源：TensorFlow和PyTorch都有很多预训练模型可以直接用。比如你要做图像分类，直接用ResNet、MobileNet等，不用从头训练。
保持耐心：模型训练可能会失败很多次，这是正常的。记录每次实验的参数和结果，从中学习。

总结一下

今天我们一起走过了CNN和RNN的基本原理和实战代码。从最简单的全连接网络，到图像识别的CNN，再到处理序列数据的RNN/LSTM，你应该对深度学习有了直观的认识。

记住几个关键点：

CNN擅长处理图像，核心是卷积和池化
RNN/LSTM擅长处理序列数据，核心是有”记忆”
调参很重要，但理解原理更重要
多动手实践，遇到问题多查文档

深度学习的世界很大，这只是个开始。希望你从今天开始，能做出自己的第一个深度学习项目。有问题随时可以问，我们一起学习进步！

正文

Python深度学习算法实战教程零基础入门CNN卷积神经网络图像识别RNN循环神经网络序列预测完整代码示例与常见模型搭建指南

Python深度学习算法实战教程零基础入门CNN卷积神经网络图像识别RNN循环神经网络序列预测完整代码示例与常见模型搭建指南

为什么说深度学习值得学？

环境准备：别被吓到，很简单

第一部分：认识神经网络

第二部分：CNN卷积神经网络——图像识别的王者

CNN的核心思想：局部感知

动手搭建一个图像分类模型

进阶：用CNN做更复杂的任务

第三部分：RNN循环神经网络——处理序列数据

RNN的核心思想：记住过去

用RNN做文本分类

RNN的变体：LSTM和GRU

用RNN做时间序列预测

第四部分：常见模型实战

模型一：用CNN做CIFAR-10图像分类

模型二：用LSTM做股票价格预测

模型三：用双向LSTM做文本情感分析

第五部分：常见问题和解决方案

问题一：过拟合

问题二：梯度消失/爆炸

问题三：训练太慢

第六部分：实战建议

总结一下

相关阅读

从零开始学Python深度学习：入门实战，掌握算法精髓

从零开始学Python深度学习：算法实战教程，助你轻松掌握神经网络精髓

新手必看：轻松入门Python深度学习算法全攻略

Python深度学习入门：从零开始，掌握TensorFlow和Keras核心算法技巧

轻松入门：Python深度学习算法实战指南，从零开始学AI编程

掌握Python深度学习算法，从入门到实战，轻松搭建神经网络模型

新手必看：轻松入门Python深度学习，掌握核心算法实战技巧

从零开始：Python深度学习算法入门教程，轻松掌握神经网络实战技巧

从零开始，轻松掌握Python深度学习：算法实战教程全解析

掌握Python深度学习：轻松入门经典算法全攻略