大家好，我是阿泽。
这两年带毕设，选深度学习方向的人越来越多了。为啥？听着就高级——图像识别、目标检测、人脸识别，随便一个词扔出来，导师都得扶一下眼镜。
 
但也正因为“听着高级”，每年都有大量学弟卡在环境配置、数据集、模型训练上，最后要么换题，要么花钱救火。深度学习这东西，会的人觉得简单，不会的人连报错都看不懂。
 
今天我就把图像识别类毕设最常见的5个坑拆开揉碎讲清楚。无论你是做猫狗分类、农作物病害识别，还是口罩佩戴检测，这篇文章都能让你少走两个月弯路。
 
坑1：环境装了两天，TensorFlow和PyTorch死活装不上
 
症状：
 
- pip install tensorflow 报错一堆红色
- 装了CUDA，但TensorFlow说找不到GPU
- 好不容易装上，一跑程序直接崩，提示“内核已重启”
 
原因：
深度学习框架的版本依赖简直是噩梦——Python版本、CUDA版本、cuDNN版本、TensorFlow/PyTorch版本，任何一个对不上，全都跑不起来。
 
填坑步骤：
 
1. 不要自己瞎配，直接上Anaconda
Conda会自动帮你解决大部分依赖冲突：
conda create -n tf python=3.8
conda activate tf
conda install tensorflow-gpu=2.6   # 指定版本，conda会配好CUDA
 
或者PyTorch：
conda install pytorch torchvision cudatoolkit=11.3 -c pytorch
 
2. 先跑一段测试代码确认环境正常
import tensorflow as tf
print(tf.version)
print("GPU可用" if tf.config.list_physical_devices('GPU') else "CPU模式")
 
PyTorch版：
import torch
print(torch.version)
print("GPU可用" if torch.cuda.is_available() else "CPU模式")
 
3. 没GPU怎么办？
可以用Google Colab，免费GPU（虽然有时限），或者用CPU跑小模型（如简单的CNN，数据集别太大）。毕设重点在于流程完整，不一定非要GPU。
 
阿泽说：
我最怕学弟一上来就“我要用最新的TensorFlow 2.15”。别！选一个稳定版本（比如TF 2.6或2.10），教程多，坑少。毕设做完再追新。
 
坑2：数据集找到了，但格式看不懂，或者根本打不开
 
症状：
 
- 下载了一个公开数据集，解压出来全是.mat、.pkl，不知道咋读
- 图片文件有jpg、png，但文件名乱码，标签在哪？
- 数据集太大，内存直接爆掉
 
原因：
公开数据集的格式五花八门，初学者拿到手根本不知道从哪下手。
 
填坑步骤：
 
1. 先搞清楚数据集的结构
一般数据集会提供说明文档（readme.txt）。仔细看：
 
- 图片存放在哪个文件夹？
- 标签是存在csv里，还是在文件夹名里（如cat/001.jpg）？
- 如果是特殊格式，用对应库读取：
 
读.mat文件
 
from scipy.io import loadmat
data = loadmat('data.mat')
 
读.pkl文件
 
import pickle
with open('data.pkl', 'rb') as f:
data = pickle.load(f)
 
2. 用ImageDataGenerator或torchvision.datasets自动加载
如果图片按类别分文件夹存放，可以直接用：
 
TensorFlow
 
from tensorflow.keras.preprocessing.image import ImageDataGenerator
train_gen = ImageDataGenerator().flow_from_directory('train/', target_size=(224,224))
 
PyTorch
 
from torchvision import datasets, transforms
dataset = datasets.ImageFolder('train/', transform=transforms.ToTensor())
 
3. 内存不够？用生成器
不要一次性把所有图片读进内存，用上面说的flow_from_directory或自定义生成器，边训练边读。
 
坑3：模型跑起来了，但准确率一直在50%徘徊（等于瞎猜）
 
症状：
训练了好几个小时，loss降不下去，准确率始终在50%左右（如果是二分类）或者极低。
 
原因：
 
- 学习率设置不对（太大震荡，太小不收敛）
- 没有做数据归一化（像素值0-255直接喂进网络）
- 网络太浅，学不到特征
- 类别不平衡（比如猫1000张，狗10张）
 
填坑步骤：
 
1. 检查数据预处理
一定要归一化！将像素值缩放到[0,1]或[-1,1]：
 
TensorFlow
 
tf.keras.applications.resnet50.preprocess_input
 
手动归一化
 
images = images / 255.0
 
2. 用预训练模型（迁移学习）
别自己从头搭网络，直接用现成的VGG16、ResNet50，冻结前几层，只训练最后一层：
 
TensorFlow
 
base_model = tf.keras.applications.ResNet50(weights='imagenet', include_top=False)
base_model.trainable = False
model = tf.keras.Sequential([
base_model,
tf.keras.layers.GlobalAveragePooling2D(),
tf.keras.layers.Dense(2, activation='softmax')  # 二分类
])
 
3. 调整学习率
用回调函数动态调整：
tf.keras.callbacks.ReduceLROnPlateau(monitor='val_loss', factor=0.5, patience=3)
4. 处理类别不平衡
 
- 在class_weight里给少数类更高的权重
- 或者用数据增强（翻转、旋转、缩放）扩充少数类
 
坑4：训练到一半，爆显存/内存，程序直接挂掉
 
症状：
 
- ResourceExhaustedError: OOM when allocating tensor
- 或者Jupyter Notebook直接卡死，内核断开
 
原因：
 
- batch_size太大，显存放不下
- 模型太大，参数太多
- 代码里创建了多个graph，内存泄漏
 
填坑步骤：
 
1. 减小batch_size
从32减到16，再减到8，直到能跑起来。
2. 使用更小的输入图片尺寸
比如224x224改成128x128，显存占用直接减半。
3. 清理无用变量
在PyTorch里，及时del变量，加上torch.cuda.empty_cache()
4. 用梯度累积（TensorFlow/PyTorch都支持）
模拟更大的batch_size，但不增加显存。
 
坑5：训练完了，保存模型，下次加载预测时结果完全不对
 
症状：
 
- 训练时准确率95%，保存模型后重新加载，预测一张训练集图片，结果错了
- 加载模型时报错“unable to load model”
 
原因：
 
- 保存和加载时的环境不一致（比如Keras版本不同）
- 预处理方式不同（训练时做了归一化，预测时忘了）
- 只保存了权重，没保存模型结构
 
填坑步骤：
 
1. 统一保存方式
TensorFlow推荐保存整个模型：
model.save('my_model.h5')  # 保存整个模型
model = tf.keras.models.load_model('my_model.h5')
2. 保存预处理参数
最好把预处理步骤也封装进模型（如Rescaling层），或者写一个预测函数，确保预处理一致。
3. 预测前加上model.eval()（PyTorch）
否则因为Dropout/BatchNorm行为不同，结果会变。
 
写在最后
 
深度学习的坑远不止这些，比如过拟合、数据集划分、评估指标选择……每一个都能让人熬几个通宵。
 
但说到底，大部分问题不是技术多难，而是没人告诉你坑在哪。如果你现在正在做深度学习方向的毕设，遇到了下面这些情况：
 
- 环境装不上，报错看不懂
- 模型训练不收敛，不知道从哪调
- 数据集不会处理
- 马上要交初稿了，模型还没跑通
 
私信我，发你项目的报错截图/代码片段，我帮你免费看一眼。
哪怕最后不是我带，至少让你知道下一步怎么走，不卡死。
 
—— 阿泽，前大厂算法工程师，现专治毕设疑难杂症。