正文

Python深度学习算法实战入门零基础也能学会用代码训练AI识别手写数字制作智能垃圾分类助手

/0 浏览量
0722

先把手头的咖啡杯放下，想象一下：你拍一张照片发给电脑，它三秒后告诉你“这是可回收物”。听起来像魔法，但背后其实就是你正在学的东西——深度学习。它不是玄学，也不是只有计算机博士才能碰的玩意儿。今天我们就从零开始，把这套逻辑拆成能跑、能改、能继续往上搭的实战代码。

先别怕数学，AI其实是在“看图画猜答案”

教小朋友认数字，你会怎么做？拿出一张卡片写个“3”，说：“这是3。”再拿一张写“3”但笔画歪一点的，再说一遍。看多了，他自己就总结出规律：三条弯线、上面开口、下面封口……这就是深度学习在干的事。

神经网络里有一堆“旋钮”（专业名叫权重）。刚开始旋钮乱拧，模型猜啥都错。每猜错一次，系统就悄悄把旋钮往“下次别错”的方向拧一点。这个“拧”的过程叫训练，拧的幅度由损失函数和学习率决定。你不需要手算梯度，TensorFlow和Keras已经帮你把最苦的活干了，你只需要把数据喂进去、把结构搭好、把训练跑起来。

你的第一行代码：让电脑学会认数字

如果你还没装过Python，建议直接用VS Code或者Jupyter Lab。电脑配置一般也没关系，MNIST数据集很小，CPU就能跑得飞快；等后面做垃圾分类时，再开Google Colab白嫖GPU，或者用本地带N卡的环境。

先把依赖装上：

pip install tensorflow pandas matplotlib pillow ipykernel

下面这段代码可以直接在Jupyter Notebook里跑。它的任务是加载MNIST手写数字集，训练一个微型卷积神经网络，然后让你亲手试几张预测结果。

import tensorflow as tf
import matplotlib.pyplot as plt

# 1. 加载数据：MNIST是28x28像素的手写数字，共6万张训练图+1万张测试图
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()

# 2. 预处理：像素原本是0~255的整数，神经网络更喜欢0~1之间的小数
x_train, x_test = x_train / 255.0, x_test / 255.0
# 卷积层需要“通道数”维度，黑白图片补上1
x_train = x_train[..., tf.newaxis]
x_test  = x_test[..., tf.newaxis]

# 3. 搭模型：像流水线一样，一层一层处理图像
model = tf.keras.Sequential([
    tf.keras.layers.Conv2D(32, (3,3), activation='relu', input_shape=(28,28,1)),
    tf.keras.layers.MaxPooling2D((2,2)),
    tf.keras.layers.Conv2D(64, (3,3), activation='relu'),
    tf.keras.layers.MaxPooling2D((2,2)),
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dropout(0.3),          # 防止死记硬背，随机“屏蔽”一部分神经元
    tf.keras.layers.Dense(10, activation='softmax')  # 输出0~9每个数字的概率
])

model.summary()

# 4. 编译：告诉模型怎么评估自己、怎么更新旋钮
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

# 5. 训练：epochs=5对MNIST来说已经足够漂亮，不用贪多
history = model.fit(x_train, y_train, epochs=5, validation_data=(x_test, y_test))

# 6. 验证集表现
test_loss, test_acc = model.evaluate(x_test, y_test)
print(f"测试集准确率：{test_acc:.4f}")

# 7. 挑几张真实图片看看预测效果
plt.figure(figsize=(8,3))
for i in range(6):
    pred = model.predict(x_test[i:i+1])[0]
    guess = pred.argmax()
    confidence = pred.max()
    plt.subplot(2,3,i+1)
    plt.imshow(x_test[i].squeeze(), cmap='gray')
    plt.title(f"真实:{y_test[i]} | 预测:{guess} ({confidence:.1%})")
    plt.axis('off')
plt.tight_layout()
plt.show()

跑完你会发现，准确率轻松破98%。这时候你其实已经摸到了深度学习的门槛：数据进来 → 特征被一层层提取 → 最后输出概率分布。后面垃圾分类，只是把“数字”换成“物体”，把“黑白小图”换成“彩色照片”。

从认数字到认垃圾，模型该怎么“长大”？

垃圾分类的数据集结构通常长这样，你只需要在电脑上建好文件夹：

garbage_data/
├── recyclable/      # 可回收物
│   ├── bottle1.jpg
│   └── paper2.jpg
├── kitchen/         # 厨余垃圾
├── hazardous/       # 有害垃圾
└── other/           # 其他垃圾

每个文件夹里的图片数量尽量均衡。如果某类只有几十张，模型会偏向它，后面预测就不公平。

下面这段代码会把图片自动按文件夹分类加载，做数据增强，训练一个能直接用的分类器，并保存成.keras文件。

import tensorflow as tf
import os

# 替换成你电脑上的实际路径
DATA_DIR = "./garbage_data"
IMG_SIZE = (224, 244)  # 统一尺寸，ResNet/MobileNet这类常用224
BATCH_SIZE = 32
EPOCHS = 10

# 1. 自动按目录加载数据，并划分训练/验证集（80%/20%）
train_ds = tf.keras.utils.image_dataset_from_directory(
    DATA_DIR, validation_split=0.2, subset="training",
    seed=42, image_size=IMG_SIZE, batch_size=BATCH_SIZE
)
val_ds = tf.keras.utils.image_dataset_from_directory(
    DATA_DIR, validation_split=0.2, subset="validation",
    seed=42, image_size=IMG_SIZE, batch_size=BATCH_SIZE
)

# 2. 数据增强：旋转、翻转、亮度微调，相当于给模型戴不同眼镜看同一件物品
data_augmentation = tf.keras.Sequential([
    tf.keras.layers.RandomFlip("horizontal"),
    tf.keras.layers.RandomRotation(0.15),
    tf.keras.layers.RandomContrast(0.2),
])

# 3. 把类别名读出来，后面预测结果要显示中文标签
class_names = train_ds.class_names
print("分类标签:", class_names)

# 4. 构建模型：前面是特征提取器，后面是分类头
inputs = tf.keras.Input(shape=(*IMG_SIZE, 3))
x = data_augmentation(inputs)
x = tf.keras.layers.Conv2D(32, 3, activation='relu')(x)
x = tf.keras.layers.MaxPooling2D()(x)
x = tf.keras.layers.Conv2D(64, 3, activation='relu')(x)
x = tf.keras.layers.MaxPooling2D()(x)
x = tf.keras.layers.Conv2D(128, 3, activation='relu')(x)
x = tf.keras.layers.MaxPooling2D()(x)
x = tf.keras.layers.Dropout(0.4)(x)
x = tf.keras.layers.Flatten()(x)
x = tf.keras.layers.Dense(256, activation='relu')(x)
outputs = tf.keras.layers.Dense(len(class_names), activation='softmax')(x)

garbage_model = tf.keras.Model(inputs, outputs)
garbage_model.summary()

# 5. 编译与训练
garbage_model.compile(
    optimizer=tf.keras.optimizers.Adam(learning_rate=1e-3),
    loss='sparse_categorical_crossentropy',
    metrics=['accuracy']
)

# 6. 加一个早停机制：验证集不再进步就自动停，省时间防过拟合
early_stop = tf.keras.callbacks.EarlyStopping(monitor='val_loss', patience=3, restore_best_weights=True)

history = garbage_model.fit(
    train_ds, validation_data=val_ds,
    epochs=EPOCHS, callbacks=[early_stop]
)

# 7. 保存模型，后面推理直接加载
model_path = "./garbage_classifier.keras"
garbage_model.save(model_path)
print(f"模型已保存到 {model_path}")

训练完之后，写一个小脚本就能拍照识别。注意这里用的是tf.data管道，比传统load_img快得多，也更适合后续接摄像头或手机App。

import tensorflow as tf
import numpy as np

model = tf.keras.models.load_model("./garbage_classifier.keras")
class_names = ["recyclable", "kitchen", "hazardous", "other"]  # 按你文件夹顺序

def predict_garbage(image_path):
    img = tf.keras.utils.load_img(image_path, target_size=(224, 224))
    arr = tf.keras.utils.img_to_array(img)
    arr = np.expand_dims(arr, axis=0) / 255.0          # 归一化
    probs = model.predict(arr)[0]
    idx = np.argmax(probs)
    return class_names[idx], float(probs[idx])

label, conf = predict_garbage("./test_bottle.jpg")
print(f"识别结果：{label}（置信度 {conf:.2%}）")

如果你发现准确率卡在70%左右上不去，别急着换模型。先检查三件事：图片有没有混入错误标签、训练集和验证集是否真的随机打乱、数据增强是不是太猛把物体特征扭曲了。深度学习调试，80%的时间花在数据和日志上，20%才花在改网络结构上。

真正跑起来时，这几个坑我帮你提前填了

新手最容易栽的地方，往往不是代码写不出来，而是细节没对齐。

像素范围没归一化。 图片默认是0到255，直接喂进网络会让梯度爆炸，损失曲线像过山车。除以255.0是行业惯例，别嫌麻烦。

类别顺序和文件夹名对不上。 image_dataset_from_directory是按字母排序分配索引的。如果你的文件夹叫有害垃圾和hazardous混着放，打印出来的class_names可能和你以为的不一样。训练前务必print()确认。

过拟合：训练集99%，验证集60%。 这说明模型在“背答案”。解决办法：加Dropout、加数据增强、减少模型层数、提前停止训练。记住，验证集 loss 开始反弹的那一刻，就该停了。

显存不够。 如果本地GPU报OOM，把BATCH_SIZE从32降到16或8，或者把IMG_SIZE从224降到160。精度会略降，但能跑起来永远比报错强。

想上速度，可以换迁移学习。 当你有几千张垃圾分类图片时，直接训CNN不如加载一个预训练好的MobileNetV2或EfficientNet，只训练最后一层。代码改动很小：

base = tf.keras.applications.MobileNetV2(input_shape=(*IMG_SIZE,3), include_top=False, weights='imagenet')
base.trainable = False  # 冻结 pretrained 部分
x = base(inputs, training=False)
x = tf.keras.layers.GlobalAveragePooling2D()(x)
outputs = tf.keras.layers.Dense(len(class_names), activation='softmax')(x)
transfer_model = tf.keras.Model(inputs, outputs)

预训练模型已经在几千万张图上见过各种形状、纹理、颜色，你只需要教它“这些特征对应哪类垃圾”。

接下来你可以怎么折腾

代码跑通只是起点。真正让项目有“产品感”，你可以接着做这几件事：

  • 用TensorBoard看训练曲线。命令行跑一句tensorboard --logdir ./logs，浏览器里打开就能看到准确率、损失、学习率变化，比干瞪眼猜原因靠谱得多。
  • 把模型导出成TFLite或ONNX，接树莓派、Android或微信小程序。垃圾分类助手如果是给小区用的，手机端推理延迟最好控制在200毫秒以内。
  • 给模型加个“不确定就让人工复核”的阈值。比如最高概率低于0.75，就返回“无法判断，请人工分拣”，这比硬塞一个答案更负责任。
  • 收集真实环境照片做持续迭代。实验室数据和户外光线、反光、遮挡完全不一样，定期用新数据微调，模型才会越用越准。

深度学习不是黑箱，它更像一块需要你不断调教的画布。你现在写的每一行model.fit()，都是在教机器从混乱的像素里找出秩序。先把MNIST跑通，再把垃圾图片喂进去，你会明显感觉到那种“看着它学会”的成就感。遇到报错别慌，把错误信息前半段复制出来搜，90%的问题前人已经踩过。代码在这里，环境配好，点运行，剩下的交给时间。

-- 展开阅读全文 --