简介这份资源是《DeepLearning tutorial5CNN卷积神经网络应用于人脸识别》一文的配套代码包面向具备一定深度学习基础、希望动手实践卷积神经网络图像分类的开发者与学习者帮助其理解并复现从数据加载、网络搭建到训练与预测的完整人脸识别流程。压缩包共4个文件包含2个Python脚本分别承担CNN模型训练与推理调用1个pkl参数文件保存训练好的模型权重另有1个gif图像文件用于展示数据集样本整体约14.64MB结构精简、便于直接运行调试。目前已有17745人学习下载热度较高。借助这份代码读者可对照博文梳理CNN在人脸识别任务中的实现细节掌握卷积、池化、全连接层的组织方式并基于已有参数文件快速验证模型效果也可在此基础上替换数据集或调整网络结构进行二次实验是入门CNN图像分类的实用参考。1. 从一张 112×112 的灰度图说起这套 CNN 人脸识别代码到底能跑出什么很多人第一次接触人脸识别脑子里浮现的是门禁机“滴”一声开门但真到自己动手卡住的地方往往特别具体手里有一堆按人名分好文件夹的照片想训一个能认出“这是谁”的模型却不知道从哪张图开始喂、卷积核该设几层、最后那层 Softmax 到底输出什么。这套 CNN 卷积神经网络人脸识别代码实现解决的正是这个从“有图”到“能识别”的完整链路问题——它把数据读取、网络搭建、训练循环、模型保存和单张推理串成了一条能直接跑通的流水线而不是丢给你一个孤零零的model.py。它适合两类人一类是刚学完卷积神经网络原理、想找一个能改能调的真实项目练手的学生或转行者另一类是做嵌入式或门禁类产品、需要先在小数据集上验证识别方案可行性的工程师。代码基于 Python 和主流深度学习框架输入统一到 112×112 或 96×96 的灰度或 RGB 图输出是每个类别人名对应的概率分布。下面我不讲教科书里的卷积公式只讲这份代码怎么用、参数怎么改、哪里最容易翻车。2. 数据管线与网络结构把照片变成网络能吃的张量2.1 目录结构决定读取逻辑别急着改代码这套代码默认的数据组织方式是每个类别一个文件夹文件夹名就是标签名。常见做法是用ImageFolder或自己写一个Dataset子类来遍历。我一般会先确认三件事图片格式是否统一、有没有损坏文件、类别之间数量是否严重失衡。如果某个人的照片有 800 张、另一个人只有 30 张训练时模型会明显偏向多数类这不是网络结构能救回来的。import os from PIL import Image from torch.utils.data import Dataset class FaceDataset(Dataset): def __init__(self, root_dir, transformNone): self.samples [] self.transform transform # 遍历每个子文件夹文件夹名即标签 self.classes sorted(os.listdir(root_dir)) self.class_to_idx {c: i for i, c in enumerate(self.classes)} for cls in self.classes: cls_dir os.path.join(root_dir, cls) if not os.path.isdir(cls_dir): continue for fname in os.listdir(cls_dir): # 过滤非图片文件避免读取时报错 if fname.lower().endswith((.jpg, .jpeg, .png, .bmp)): self.samples.append((os.path.join(cls_dir, fname), self.class_to_idx[cls])) def __len__(self): return len(self.samples) def __getitem__(self, idx): path, label self.samples[idx] img Image.open(path).convert(RGB) # 统一转 RGB防止灰度图混入 if self.transform: img self.transform(img) return img, label这段代码的关键在convert(RGB)和文件后缀过滤。前者保证通道数一致后者避免读到.DS_Store或缩略图缓存导致训练中断。class_to_idx用sorted是为了让标签顺序可复现否则每次运行类别编号可能变化保存的模型再加载时就会对不上号。2.2 网络结构四层卷积够用但别照搬代码里的 CNN 主干通常是 3 到 4 个卷积块每个块是“卷积 批归一化 激活 池化”的组合。以输入 112×112 为例第一层卷积核常见设 3×3、步长 1、填充 1输出通道 32 或 64。这里有个容易被忽略的点人脸识别和通用物体分类不同五官的相对位置比纹理更重要所以池化层不要一上来就压得太狠否则眼睛、嘴角这些关键区域在特征图上只剩几个像素。import torch.nn as nn class FaceCNN(nn.Module): def __init__(self, num_classes10): super().__init__() self.features nn.Sequential( # 输入 3×112×112 nn.Conv2d(3, 32, kernel_size3, padding1), nn.BatchNorm2d(32), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), # 56×56 nn.Conv2d(32, 64, kernel_size3, padding1), nn.BatchNorm2d(64), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), # 28×28 nn.Conv2d(64, 128, kernel_size3, padding1), nn.BatchNorm2d(128), nn.ReLU(inplaceTrue), nn.MaxPool2d(2), # 14×14 nn.Conv2d(128, 128, kernel_size3, padding1), nn.BatchNorm2d(128), nn.ReLU(inplaceTrue), nn.AdaptiveAvgPool2d(1) # 全局池化输出 128×1×1 ) self.classifier nn.Linear(128, num_classes) def forward(self, x): x self.features(x) x x.view(x.size(0), -1) return self.classifier(x)AdaptiveAvgPool2d(1)是这份代码里比较聪明的一处它把任意空间尺寸压成 1×1这样输入图片尺寸稍有变化也不会导致全连接层维度报错。num_classes必须等于你实际文件夹的数量改错这个参数是新手最常见的翻车点之一训练时 loss 不降、准确率卡在随机水平八成就是它。2.3 训练循环学习率和批大小怎么定训练部分一般用交叉熵损失配 Adam 或 SGD。我一般会先把学习率设成 1e-3 跑几轮看 loss 曲线如果前三轮 loss 几乎不动就降到 1e-4如果 loss 剧烈震荡甚至变成 nan就再降一个数量级。批大小在显存允许的前提下取 32 或 64太小会让批归一化统计不稳定太大则在小数据集上容易过拟合。import torch from torch.utils.data import DataLoader from torchvision import transforms transform transforms.Compose([ transforms.Resize((112, 112)), transforms.RandomHorizontalFlip(), # 人脸左右翻转是合理增强 transforms.ToTensor(), transforms.Normalize(mean[0.5]*3, std[0.5]*3) ]) dataset FaceDataset(data/train, transformtransform) loader DataLoader(dataset, batch_size32, shuffleTrue, num_workers2) model FaceCNN(num_classeslen(dataset.classes)).cuda() criterion nn.CrossEntropyLoss() optimizer torch.optim.Adam(model.parameters(), lr1e-3) for epoch in range(30): model.train() total_loss 0 for imgs, labels in loader: imgs, labels imgs.cuda(), labels.cuda() optimizer.zero_grad() out model(imgs) loss criterion(out, labels) loss.backward() optimizer.step() total_loss loss.item() print(fepoch {epoch}, loss {total_loss/len(loader):.4f})RandomHorizontalFlip对人脸是安全的增强因为左右翻转后仍是一张合理的人脸但如果你做的是带方向性的任务比如识别车牌或文字这个增强就会帮倒忙。Normalize的均值和方差用 0.5 是通用做法如果换成自己数据集的统计值收敛通常会更快一点。3. 训练完到能用模型保存、加载与单张推理3.1 保存的不只是权重还有类别映射很多人训完模型只存state_dict推理时却忘了当时类别顺序是什么结果把张三识别成李四。正确做法是把类别列表和权重一起存或者至少存一个 json 记录class_to_idx。# 保存 torch.save({ model_state: model.state_dict(), classes: dataset.classes, input_size: (112, 112) }, face_cnn.pth) # 加载 ckpt torch.load(face_cnn.pth, map_locationcpu) classes ckpt[classes] model FaceCNN(num_classeslen(classes)) model.load_state_dict(ckpt[model_state]) model.eval()map_locationcpu是为了在没有 GPU 的机器上也能加载部署到边缘设备时这一步很关键。model.eval()必须调用否则批归一化会继续用当前批的统计量单张推理时结果会飘。3.2 单张图片推理与置信度阈值推理阶段要把图片做和训练时完全一致的预处理少一步归一化都会让结果偏掉。输出经过 Softmax 后取最大概率的类别同时建议设一个置信度阈值低于阈值就判为“未知”而不是硬塞进某个已知类别。from PIL import Image import torch.nn.functional as F def predict(img_path, model, classes, threshold0.6): img Image.open(img_path).convert(RGB) img transform(img).unsqueeze(0) # 增加 batch 维度 with torch.no_grad(): logits model(img) probs F.softmax(logits, dim1) conf, idx probs.max(dim1) if conf.item() threshold: return unknown, conf.item() return classes[idx.item()], conf.item()threshold设 0.6 是经验值类别多、类间相似度高时可以调到 0.7 以上。这个机制在门禁场景里特别重要宁可拒识也不要把陌生人放进来。3.3 用混淆矩阵定位问题类别训练准确率高不代表每个类别都好。我习惯在验证集上跑一遍混淆矩阵看哪些类别互相混淆。常见现象是戴眼镜和不戴眼镜的同一人被分到不同类或者光照差异大的图片被误判。这时候优先补数据而不是加网络深度。指标含义关注点训练 loss模型拟合程度持续下降但验证不降即过拟合验证准确率泛化能力与训练差距超过 10% 要警惕混淆矩阵类别间误判分布定位具体哪两类容易混置信度分布预测把握程度低置信样本可用于主动学习4. 避坑与排查这几处翻车我见过太多次4.1 现象loss 一直是 nan原因学习率过大或者输入没有归一化像素值 0-255 直接进网络导致梯度爆炸。 解决把学习率降到 1e-4确认ToTensor()后再接Normalize检查数据里有没有全黑或损坏图片。4.2 现象训练准确率 99%实际用一张新照片全错原因数据泄漏训练集和验证集里有同一张图或同一人的高度相似图模型只是记住了人脸而不是学到特征。 解决按人划分训练验证集而不是随机按图片划分同一个人不同角度的照片要分到同一侧。4.3 现象推理时类别编号对不上原因保存模型时没存classes列表或者重新运行时文件夹顺序变了。 解决始终把类别映射和权重一起保存加载后打印classes确认顺序。4.4 现象GPU 上训练正常CPU 部署报错原因模型保存时张量在 GPU 上加载时没有指定map_location。 解决加载时统一加map_locationcpu部署前在目标设备上跑一遍推理。4.5 现象输入图片尺寸不一致导致全连接层维度报错原因网络里用了固定尺寸的view或Linear输入维度写死。 解决用AdaptiveAvgPool2d(1)替代固定展平或者在预处理里强制Resize到统一尺寸。5. 进阶技巧把人脸识别从“能跑”推到“敢用”真正落地时纯 CNN 分类有个天然短板类别是固定的新增一个人就得重新训练。我一般会在这份代码基础上做一步改造——把 CNN 当特征提取器去掉最后的分类层输出 128 维或 512 维嵌入向量然后用余弦相似度做比对。这样新增人员只需要注册一张底图不用重训模型。# 去掉 classifier只保留特征 feature_extractor nn.Sequential(*list(model.children())[:-1]) feature_extractor.eval() def get_embedding(img_path): img Image.open(img_path).convert(RGB) img transform(img).unsqueeze(0) with torch.no_grad(): feat feature_extractor(img) return feat.view(-1) # 比对 emb1 get_embedding(a.jpg) emb2 get_embedding(b.jpg) similarity F.cosine_similarity(emb1.unsqueeze(0), emb2.unsqueeze(0)) print(相似度, similarity.item())相似度阈值一般设在 0.6 到 0.75 之间具体取决于你的特征维度和数据分布。验证方法是拿同一人的两张不同照片和不同人的照片各跑一批画一个相似度分布直方图看两类分布的交叠区域在哪里阈值就取在交叠最少的位置。另一个实用技巧是测试时增强对同一张图做水平翻转和轻微裁剪各取一次嵌入再平均能小幅提升稳定性。代价是推理时间翻倍门禁这种对延迟不敏感的场景完全值得。从那以后我每次训完人脸模型都会强制走一遍“同一人不同图 不同人图”的相似度分布验证确认阈值不是拍脑袋定的才敢往设备上刷。希望帮到你。本文还有配套的精品资源点击获取