企业官网建设流程全解析

简介：压缩包提供一套基于Python的垃圾识别分类系统的完整源码，面向需要完成课程设计、毕业设计或入门图像识别的Python学习者。项目围绕垃圾分类场景，涵盖数据集说明、模型构建与训练、测试评估、图形界面识别预测等环节，可帮助理解从数据准备到模型部署的完整流程。压缩包共28个文件，大小约1.79MB，以12个py脚本为主体，包含CNN、MobileNet训练脚本、测试脚本及窗口识别程序；同时配有项目计划书、详细设计文档、风险管理报告等Word/PDF材料，以及Markdown说明与模型目录，结构清晰、便于查阅。目前已有336人学习使用，适合作为图像分类项目的参考模板。通过研读源码，读者可掌握PIL/OpenCV等图像预处理方法、TensorFlow/Keras建模思路，并对损失曲线、模型保存加载与推理调用形成直观认识。

1. 垃圾识别分类系统Python源码：它是什么、能干什么、适合谁

一套完整的Python垃圾识别分类系统源码，通常不是一个孤立的算法脚本，而是把深度学习模型、训练流程、推理接口和数据组织方式打包在一起的工程压缩包。用户拿到zip后解压，就能看到模型定义、训练入口、预测脚本、预训练权重，以及按类别分好的图片目录。这类系统的核心任务是把一张垃圾照片（塑料瓶、纸箱、电池、果皮等）自动判定到对应类别，多数实现采用图像分类路线，复杂一点的会升级为带定位框的物体检测。它能直接解决的实际问题有两个：一是课程设计和毕业设计需要一个能跑通的完整示例；二是想做智能垃圾分类硬件（室内分类桶、小区投放点、传送带分拣）的工程师，需要一个现成基线做二次开发。适合谁来用？有Python基础和一点PyTorch使用经验的人，拿到源码包后最快半天就能把预测命令跑起来；完全零基础则建议先把环境配好，再从推理脚本读起。

2. 拆解垃圾识别源码：分类模型与检测模型的选型逻辑

2.1 先看源码用了什么模型：ResNet、MobileNet还是YOLO

解压zip后，第一件事不是急着运行，而是判断这套源码走的是哪条技术路线。因为“垃圾识别分类”这四个字在深度学习里能对应两类做法：图像分类和物体检测。图像分类的经典模型是ResNet、EfficientNet、MobileNet系列，输入是整张图片，输出是一个类别标签，适合“一个物体占画面主体”的场景，比如传送带上的单个垃圾、放在桌面上的纸盒。物体检测的经典模型是YOLO、SSD、Faster-RCNN，输出是若干个“矩形框加类别”的组合，适合画面里同时出现饮料瓶、塑料袋、纸巾的复杂投放场景。

判断源码属于哪一种，看三个线索。第一，模型定义目录里如果出现yolo、detect_head、anchor、bbox这些命名，基本是检测路线；只有resnet、mobilenet、efficientnet这样的backbone命名，大概率是纯分类。第二，训练脚本里标签的格式是关键分水岭：分类的标签是单个整数索引，检测的标签是[class_id, x_center, y_center, width, height]这样的五元组（归一化之后）。第三，推理脚本的输出形态也能看出来，分类输出predict: 可回收物，检测输出则会是detect: 塑料瓶, confidence=0.92, box=(x1,y1,x2,y2)。

我接触过的垃圾识别源码包，分类路线占大多数，原因很简单：分类的数据集好凑、训练时间短、CPU也能跑推理，交付一张静态图预测的效果图，比检测模型容易得多。如果你的应用场景是“多物品混在一起需要各自框出位置”，那就得选检测模型路线的源码，后续投入的标注成本也会直线上升。

2.2 数据流：一张垃圾图片从输入到输出经历了什么

无论源码最终用的是ResNet还是YOLO，一条完整的预测链路都包含五个环节：图像读取、预处理、模型推理、后处理和标签映射。理解这条链路，比记住某一个模型的结构重要得多，因为后续所有排错都发生在这五个环节里。

图像读取环节，最常见的是用PIL或OpenCV打开图片文件。这里埋着第一个坑：PIL读进来是RGB三通道，OpenCV读进来是BGR三通道，如果训练时用PIL做了标准化，推理时换成了OpenCV，颜色通道颠倒会让预测结果明显变差。预处理环节，源码里一般写的是transforms.Resize、transforms.ToTensor、transforms.Normalize的组合，Resize的目标尺寸取决于模型输入，常见的是224x224或256x256；Normalize的均值和标准差通常沿用ImageNet的[0.485, 0.456, 0.406]，因为绝大多数源码用预训练权重初始化，数值分布必须对齐。

模型推理环节，单张图会先加一个batch维度，变成[1, 3, H, W]的张量，前向传播后得到未归一化的logits。后处理环节，分类任务对logits做softmax得到每个类别的概率，再取argmax作为预测索引；检测任务则是做NMS非极大值抑制，把重叠的候选框合并。标签映射环节，把预测索引通过一份class list文件映射回可读的中文类别名，这一步出错时系统虽然不报错，但结果会张冠李戴，后面专门讲这个坑。

2.3 压缩包里每个目录是干嘛的：按什么顺序读源码

一套规范的Python深度学习项目源码，目录结构大同小异。常见的顶层结构是：models/放网络结构定义，data/或dataset/放数据集和标签映射文件，utils/放图像预处理、可视化等工具函数，checkpoints/或weights/放预训练权重，根目录下有一个train.py和predict.py，外加requirements.txt列出依赖库。有的包还会配config.yaml统一管理超参数，或者有一个run.sh把训练脚本串起来。

我建议的阅读顺序是：先打开README.md（如果存在），看作者写了什么运行说明；再打开requirements.txt，明确依赖版本范围；接着看predict.py的main函数入口，搞清楚权重路径参数怎么传、图片路径参数怎么传；最后再读models/下的网络定义。不要一上来就钻网络结构的实现细节，那对使用源码的人来说性价比最低。

需要注意，有些分享出来的zip包里面打包方式很乱，根目录嵌套着多层文件夹，路径里还可能带中文或空格。Windows下解压后直接跑python predict.py时常出现找不到模块的情况，根源往往是当前工作目录不对。解决办法是先cd到包含train.py的目录，确认pwd路径正确，再执行脚本。

提示：拿到任何源码包，先看requirements.txt的依赖清单，再决定用conda还是venv建环境。不要直接在全局Python环境里装一堆库，后面版本冲突时后悔药可不好找。

3. 用源码跑通第一张垃圾图片预测：环境配置与最小推理命令

3.1 Python环境准备：用conda还是venv，依赖装哪些版本

跑通深度学习源码，第一道坎是环境。很多下载了源码包的用户卡在import报错上，最常见的报错是ModuleNotFoundError: No module named 'torch'或No module named 'torchvision'——这不是源码问题，是依赖没装齐。先确认Python版本，深度学习工程建议Python 3.8到3.10，太新的3.12版本可能在编译某些依赖时出兼容问题；太老的3.6版本则跑不了新版本PyTorch。

环境管理工具有两个常用选择：conda和venv。我一般这么选：如果机器上已经装了Anaconda，直接用conda建独立环境最省事；如果不想装Anaconda，用Python自带的venv也完全够用。命令行如下：

# 用venv创建名为trash_env的虚拟环境 python -m venv trash_env # 激活环境（Windows） trash_env\Scripts\activate # 激活环境（Linux/macOS） source trash_env/bin/activate # 安装依赖（有requirements.txt时优先用它） pip install -r requirements.txt # 没有requirements.txt时的最小依赖组合 pip install torch torchvision pip install Pillow numpy matplotlib opencv-python

这组命令里的关键点是：venv创建的虚拟环境会把Python库隔离在项目目录下，避免污染系统全局环境。requirements.txt里锁定的版本是作者验证过的组合，优先照装；如果机器上没有GPU，可以先把requirements里带+cu后缀的torch版本手动换成CPU版：pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu。这一点不在源码说明里，但实操中几乎每个人都会撞到。

依赖装完后，验证环境的命令是python -c "import torch; print(torch.__version__)"，能正常打印版本号说明环境通了。如果这一行也报错，先排查pip安装过程是否有红字报错，再检查当前终端是否真的在虚拟环境内——命令行左边有(trash_env)前缀才算激活成功。

3.2 加载预训练权重并跑通单张图片预测

环境就绪后，下一步是用源码内置的权重文件跑一次单图预测。大多数分类路线的源码会提供一个predict.py，常见的用法是传入权重路径和图片路径两个参数。如果源码没有统一入口，下面是一段可以直接替代的通用推理脚本：

# predict_single.py # 适用于分类路线的垃圾识别源码，替换成自己的模型文件名即可 import json import torch import torchvision.transforms as transforms from PIL import Image # 1. 加载模型结构（以ResNet50为例，具体类名以源码models目录为准） from torchvision.models import resnet50 model = resnet50(pretrained=False) # 不加载ImageNet权重 model.fc = torch.nn.Linear(2048, 4) # 4类垃圾：可回收/厨余/有害/其他 # 2. 加载训练好的权重 checkpoint = torch.load('checkpoints/garbage_resnet50.pth', map_location='cpu') # 兼容不同保存格式：可能是state_dict，也可能是完整模型 if isinstance(checkpoint, dict) and 'state_dict' in checkpoint: model.load_state_dict(checkpoint['state_dict']) else: model.load_state_dict(checkpoint) model.eval() # 3. 图像预处理：Resize到224x224，Normalize用ImageNet的均值和标准差 transform = transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ]) # 4. 读图、预处理、加batch维度（模型要求4维输入） img = Image.open('test_imgs/plastic_bottle.jpg').convert('RGB') input_tensor = transform(img).unsqueeze(0) # [1, 3, 224, 224] # 5. 推理与后处理 with torch.no_grad(): logits = model(input_tensor) # [1, 4] prob = torch.softmax(logits, dim=1) # 转成概率 pred_idx = torch.argmax(prob, dim=1).item() # 取最大概率索引 # 6. 标签映射：索引 -> 中文类别 with open('data/garbage_classes.json', 'r', encoding='utf-8') as f: classes = json.load(f) print(f"预测类别: {classes[pred_idx]}，置信度: {prob[0][pred_idx].item():.4f}")

这段脚本的逻辑可以拆成三段看：第一段把模型结构和参数对应上，load_state_dict要求模型实例的结构和保存权重时完全一致，如果源码里的模型是自己定义的类而不是torchvision.models.resnet50，用我这段直接替换会报key不匹配的错误，正确做法是去源码的models/目录 import 它定义的类。第二段是预处理，Resize尺寸必须以模型定义里的输入大小为唯一标准，不是所有模型都是224。第三段是输出处理，softmax把logits归一化成概率，argmax拿到类别索引，最后经标签映射变成人类可读的名称。

跑通这一步后，检验判决标准是置信度输出。正常模型的置信度通常在0.6以上；如果输出的置信度接近0.25（4分类的随机水平）或者几个类别概率几乎相等，十有八九是权重没加载成功，或者预处理参数对不上。

3.3 从单张预测改成摄像头实时分类：改哪里、加什么

单图预测通了之后，很多人下一步是接USB摄像头做实时识别。这一步其实改动不大，核心思路就是把“读图片文件”换成“读摄像头帧”，然后在循环里逐帧调用同一个推理函数。但有两个参数必须调整：一是摄像头帧率往往达不到模型推理速度，需要加队列或跳帧处理；二是输入尺寸如果直接传1920x1080的原图，预处理Resize到224时会大幅缩放，推理耗时和内存占用都可能翻倍，建议抓帧后先裁剪或缩小。

# webcam_predict.py 摄像头实时识别的最小实现框架 import cv2 import torch from torchvision import transforms from PIL import Image # 复用上面的model和transform定义，此处省略 cap = cv2.VideoCapture(0) # 0代表默认摄像头 if not cap.isOpened(): raise RuntimeError("摄像头打开失败") frame_count = 0 while True: ret, frame = cap.read() if not ret: break frame_count += 1 if frame_count % 3 != 0: # 跳帧：每3帧推理一次，降低功耗和延迟 continue # OpenCV的BGR帧转成PIL的RGB再走预处理 rgb_img = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB) pil_img = Image.fromarray(rgb_img) input_tensor = transform(pil_img).unsqueeze(0) with torch.no_grad(): prob = torch.softmax(model(input_tensor), dim=1) pred_idx = torch.argmax(prob).item() label = f"{classes[pred_idx]}: {prob[0][pred_idx].item():.2f}" cv2.putText(frame, label, (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1.0, (0, 255, 0), 2) cv2.imshow('Garbage Classifier', frame) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows()

这个改动里最容易被忽略的是颜色空间转换：OpenCV读入的帧是BGR顺序，直接转成PIL处理会和训练时的RGB数据错位。我在实际项目里见过推理准确率从0.8+掉到0.4不到，查了半天才发现是颜色通道问题。另外跳帧的间隔不能机械照搬，它取决于推理耗时——如果单帧推理需要0.5秒，跳1帧就够；如果推理只要0.05秒，跳3帧反而会让画面卡顿。参数按实际机器性能微调。

4. 重训一个自己的垃圾识别模型：数据整理与训练参数

4.1 垃圾数据集的常见来源与目录结构转换

源码包里自带的demo数据集通常很小，每类几十张图，只够跑通流程，换到真实场景就需要重训。垃圾数据集的来源主要有三个：一是公开数据集，比如华为云垃圾分类数据集、清华大学垃圾图像分类数据集，这类数据已经按类别分好目录，下载后整理成源码要求的格式就行；二是自行拍摄，手机或相机拍实物，每类至少200张起步；三是网上爬取，注意版权和图片质量，爬来的图片很多带水印和无关背景，实际效果通常不如自行拍摄。

分类模型的目录结构最标准的是ImageFolder格式：根目录下每个类别一个子文件夹，子文件夹里是图片，目录名就是类别名。结构如下：

data/garbage_classify/ ├── train/ │ ├── recyclable/ # 可回收物图片 │ │ ├── img_001.jpg │ │ └── ... │ ├── kitchen/ # 厨余垃圾图片 │ ├── hazardous/ # 有害垃圾图片 │ └── other/ # 其他垃圾图片 ├── val/ │ ├── recyclable/ │ └── ... └── garbage_classes.json # 类别索引映射文件

从原始图片到这种结构，常见做法是写一个整理脚本，按类别把散落的图片复制到对应目录，并顺手做训练集和验证集划分：

# 建目录：mkdir_data.sh mkdir -p data/garbage_classify/train/{recyclable,kitchen,hazardous,other} mkdir -p data/garbage_classify/val/{recyclable,kitchen,hazardous,other} # 把原始图片按8:2比例随机分配到train/val（用bash的随机数实现） for img in raw_images/*.jpg; do if [ $((RANDOM % 10)) -lt 8 ]; then cp "$img" data/garbage_classify/train/kitchen/ else cp "$img" data/garbage_classify/val/kitchen/ fi done

这个脚本里的随机划分比例8:2是经验值。需要注意的是，如果原始文件夹里不同类别的图片数量不均，先做类别数量统计，少的类别可以复制增强（旋转、裁剪、颜色抖动）补到接近；差别过大的类别会让训练偏向样本多的类，导致小样本类别的准确率一塌糊涂。划分时要确保同一张图片的不同增强版本不会同时出现在train和val里，不然验证集准确率会虚高。

4.2 训练参数的取值逻辑：batch size、学习率、epochs

训练脚本的超参数决定模型最终能到什么水平。源码包里train.py默认的训练参数不一定适合你的数据集，需要按数据量和硬件重新设定。

batch size的取值逻辑：显存不足就调小，数据量大可以调大。显卡是8G显存，resnet50 + 224x224输入，batch size=32通常能跑；如果报CUDA out of memory，先把batch size减到16或8。batch size过小（比如2或4）会导致Loss震荡明显，模型难收敛，解决办法是同步调低学习率。

学习率的选择跟batch size挂钩，这个经验公式很有用：batch size翻倍，学习率也翻倍。默认基础学习率0.001搭配batch size=32是常见起点；用预训练权重做微调时，学习率可以更低，1e-4到5e-4比较稳妥，因为backbone已经学到通用特征，学习率太大了会破坏已有权重。epochs的设定取决于收敛速度：我一般先设50轮，训练时观察验证集准确率曲线，如果最后10轮验证准确率还在明显上升，就加50轮；如果连续15轮不升反降，说明已经过拟合，提前终止。

下面是一段标准训练入口命令的参考：

# 训练入口，具体参数名以源码train.py的argparse定义为准 python train.py \ --data data/garbage_classify \ --model resnet50 \ --pretrained \ --batch-size 32 \ --lr 0.001 \ --epochs 50 \ --gpu 0

这段命令的参数说明：--pretrained表示加载ImageNet预训练权重再做微调，这是小数据集下最稳妥的路线；--lr 0.001配合batch size=32是ResNet系列的常见起点；--gpu 0指定第一块显卡，没有GPU就改成--gpu -1或直接去掉这个参数。训练过程中如果发现Loss在第一个epoch后就降得很慢，不一定是代码问题，可能是学习率相对批量大小偏低了。

4.3 训练日志怎么看：损失不降、准确率虚高怎么处理

训练开始后，要盯的关键指标不是训练集准确率，而是验证集准确率和Loss曲线。这中间有很强的玄学色彩。常见的情况有三种：

第一种是训练Loss一直在0.5以上降不下去。排查方向：数据标注是否出错、类别分布是否均衡、学习率是否过高导致震荡。如果你用的是ImageFolder加载数据，可以抽取一个batch打印标签和图片一起看，确认类别编号没有错乱。

第二种是验证集准确率非常高（比如0.98）但实际单张测试很烂。这几乎是分类项目最典型的数据泄露：train和val划分时有重复图片，或者训练时随机增强的对象被一并放进了验证集。解决办法是重建数据集划分，确保同一张图不会同时出现在两个集合中。

第三种是Loss已经收敛但准确率仍然不高。说明类别间的区分度不够，先看混淆矩阵（confusion matrix），常见的坑是两个类别互相被认错，比如“塑料瓶”和“玻璃瓶”形状颜色接近。这时候思考方向是数据而非模型：补样本、增加拍摄角度多样性，或者换成更大的模型（resnet50换成efficientnet-b4）。

我习惯的做法是训练期间每5个epoch保存一次checkpoint，文件名带上epoch号和val_acc。这样即使训练中断或过拟合，也能回溯到最佳状态；不要只依赖最后一轮的权重文件，那往往不是验证集上表现最好的。

提示：训练命令务必指定随机种子，--seed 42这种固定seed能让实验可复现。不固定种子的话，同样代码跑两次结果可能差异大，后面排查问题根本没法对照。

5. 避坑：垃圾识别分类源码最常见的6个翻车现场

5.1 解压后报ModuleNotFoundError，路径中文背锅

现象：从zip解压后，cd到项目目录执行python predict.py，系统报错提示某个模块找不到，或者路径管理混乱导致相对导入失败。

原因：zip包解压后生成的顶层目录名常带中文或特殊字符，Windows下路径解析出问题；更常见的是项目内嵌多层目录，predict.py在根目录，而models目录在另一个层级，python运行时找不到模块。

解决：先把整个项目目录移到纯英文路径下，比如D:\projects\garbage_sys，然后进入predict.py所在目录执行命令。如果还报错，用import sys; sys.path.append(os.getcwd())这种方式把根目录加进模块搜索路径。检查__init__.py是否存在于需要导包的目录中，缺失会导致相对导入失败。

5.2 权重文件损坏：预测结果全是噪声

现象：明明代码和前向流程都对，模型也能跑，但输出的概率分布几乎接近随机，分类准确率惨不忍睹。

原因：zip包在传输或网盘存储过程中文件损坏，权重文件体积不对或哈希校验没通过。PyTorch加载时有时会静默成功，但数值全是垃圾。

解决：拿到源码包后，第一时间比对压缩包和权重文件的MD5哈希值，用md5sum weights/model.pth查看哈希，和发布方给的比对（通常写在README里）。没有参考哈希时，看文件大小是否和训练记录一致，resnet50在ImageNet预训练权重约98MB，如果下载下来只有几十MB，基本是坏的。重新下载并校验后再用。

5.3 类别标签错位：验证集准确率虚高，实际推理全错

现象：训练日志显示准确率非常高，但用训练集之外的真实照片预测时，把“果皮”识别成“玻璃瓶”之类的离谱结果，而且错误方式不一。

原因：训练数据目录的顺序和模型输出的类别索引不对应。ImageFolder按字母序排列子目录，假设你的目录名是kitchen, hazardous, other, recyclable，模型输出的索引0对应哪个类别，由目录排序决定，不是由你写的类别顺序决定。如果garbage_classes.json里的映射顺序和目录排序不一致，标签就错位了。

解决：训练完成后，不要用准确率数字逆向反推类别对应关系，直接在推理脚本里打印每个索引对应的中文标签，和目录结构逐一核对。更稳妥的做法是训练前就把类别列表按目录结构的排序方式输出，确认无误后再开训：

# 验证数据集加载的类别顺序 python -c " from torchvision.datasets import ImageFolder d = ImageFolder('data/garbage_classify/train') print(d.class_to_idx) "

这段命令会打印类似{'hazardous': 0, 'kitchen': 1, 'other': 2, 'recyclable': 3}的映射，写标签文件时照这个顺序抄就不会错位。

5.4 图片尺寸和通道不一致导致的预测崩溃

现象：训练集图片一切正常，但推理时某些照片要么报错，要么结果极差；更有意思的是，OpenCV读图和PIL读图结果不一样。

原因：垃圾分类的数据来源混杂，有的图是RGB，有的是灰度图，还有的是RGBA四通道PNG。预处理流程用PIL的Image.open读入，灰度图和RGBA图不会自动转成RGB三通道，模型前向就报维度错误或数值错乱。Resize尺寸若不是模型的预期大小，模型也能跑（PyTorch的卷积对输入尺寸不完全受限），但后续全连接层可能报维度不匹配。标准做法是统一转换。

解决：在图像读取环节显式convert('RGB')，并检查模型的输入尺寸和预处理Resize是否一致：

img = Image.open(img_path).convert('RGB') # 统一转三通道 if img.mode != 'RGB': img = img.convert('RGB')

若源码里的transform用的是Resize((256, 256))，而模型定义里输入是224，中间缺了CenterCrop；或Resize用的等比缩放而非固定尺寸，都会导致训练和推理不一致。把两个参数整体对齐。

5.5 GPU显存不足：batch size调不下来时的替代做法

现象：训练脚本启动即报CUDA out of memory，把batch size从32降到16仍报错，降到4能跑但训练速度极慢，Loss波动也大。

原因：机器显存有限，加上源码默认加载全精度float32参数，模型和中间激活值占满显存。一个小容量显存显卡，载入resnet50 + 256x256输入 + batch size=32就是会超限，不是代码bug。

解决：除了调小batch size，还可以用混合精度训练。源码如果有--amp参数，直接启用；没有的话，在训练脚本里加一条自动混合精度配置：

# train.py中开启AMP自动混合精度 from torch.cuda.amp import autocast, GradScaler scaler = GradScaler() for imgs, labels in train_loader: imgs, labels = imgs.to(device), labels.to(device) with autocast(): outputs = model(imgs) loss = criterion(outputs, labels) scaler.scale(loss).backward() scaler.step(optimizer) scaler.update()

AMP会把部分运算降到float16，显存几乎减半，在支持半精度的显卡上效果明显。此外，把输入尺寸从256降到224（如果你的模型允许），也能省掉约25%的激活值占用。这两件事做完仍不足的，再用batch size=8配合梯度累积等效大batch效果。

5.6 实时推理耗时严重：摄像头画面帧率极低

现象：摄像头画面卡成幻灯片，帧率不到5FPS，实际运行时总是跟不上拍摄速度。

原因：源码默认图参加载到CPU推理，没有调用GPU；或者模型太大（ResNet152、EfficientNet-b5这类），在普通CPU上单帧推理耗时以秒计。

解决：先确认推理设备，torch.cuda.is_available()为真且显存足够时，代码中的map_location和.to(device)都应指向GPU。模型层面，换轻量模型是立竿见影的：MobileNetV3和EfficientNet-lite在CPU上的单帧推理通常在100ms以内，准确率损失控制在可接受范围。输出显示上，不要每一帧都做完整的前处理和模型推理，用第3章的跳帧方案把推理频率降到3~5Hz即可满足多数场景。

6. 从源码到可用系统：模型导出与部署到小机箱

6.1 把PyTorch模型导出ONNX并验证输出一致性

源码跑通、模型重训完成，接下来是要去现场部署。不能直接把.pth文件扔给现场设备，因为PyTorch在无GPU环境的依赖和版本要求太多。通用做法是导出为ONNX格式，然后在部署端用ONNX Runtime做推理。

# export_onnx.py import torch import torch.onnx # 恢复模型并加载训练好的权重 model = torchvision.models.resnet50(pretrained=False) model.fc = torch.nn.Linear(2048, 4) model.load_state_dict(torch.load('checkpoints/best_model.pth', map_location='cpu')) model.eval() # 申明ONNX导出，动态batch使运行时可以自由调整批量大小 dummy_input = torch.randn(1, 3, 224, 224) torch.onnx.export( model, dummy_input, 'garbage_model.onnx', input_names=['input'], output_names=['output'], dynamic_axes={'input': {0: 'batch'}, 'output': {0: 'batch'}}, opset_version=11 )

ONNX导出后，做一步输出一致性验证：用同一张图片分别通过PyTorch和ONNX Runtime推理，比对两者的预测结果和softmax概率分布，差异在1e-4以内就说明导出成功；如果差异大，通常是代码里有部分算子不支持ONNX导出，需要换实现或用opset更高版本。验证代码不用另写，直接写一个简短的python脚本加载模型和onnx文件各跑一次。

6.2 在边缘盒子上做推理加速的普遍做法

部署到现场设备（树莓派、Jetson Nano、工控机这种）后，推理加速有三板斧：第一，量化。把float32权重转成int8量化模型，体积缩小4倍，CPU推理速度通常能提升2到3倍，代价是准确率下降1%到3%左右。垃圾分类这种粗粒度分类场景，这个损失完全可接受。

第二，换推理框架。同样跑ONNX模型，ONNX Runtime比PyTorch在CPU上快，而OpenVINO（针对Intel CPU）和TensorRT（针对NVIDIA GPU）能在架构层面做算子融合，速度又能上一个台阶。现场是什么硬件就换什么推理后端。

第三，限制输入范围。摄像头固定在垃圾桶上方时，画面里真正需要识别的区域只有桶口附近，把ROI区域固定住，只对裁剪后的区域做推理，比在整张1920x1080画面上缩放要省得多。

这半年跟垃圾分类项目打交道下来，我的习惯是把验证脚本和推理脚本彻底分离——训练能跑、部署能跑，这是两层验收，中间隔着一个完整的环境差异。任何一个中间环节的产出（权重、类别映射、预处理参数）都不信任口头传递，全部用脚本固定下来。这样才能保证今天调通的东西，三个月后换个机器还能稳定复现。希望这些被坑过踩过的细节，帮你在自己的垃圾识别分类系统上少走一段弯路。

本文还有配套的精品资源，点击获取