Developed a CNN-based image classifier to distinguish cats and dogs using PyTorch. Designed two versions of the model: a full model with high-resolution inputs for production-level training, and a lightweight variant with smaller input size and reduced parameters for rapid iteration and debugging. The lightweight model accelerated development by over 70%, making it easier to validate data pipelines and training logic. Implemented dynamic flatten size calculation to enhance model flexibility across different image resolutions. Achieved 90%+ training accuracy and supported inference on new images. Optimized the workflow to align with real-world ML development practices.
To accelerate development and debugging, a lightweight CNN model was designed alongside the main architecture. This version uses:
- Smaller input size (64×64 instead of 224×224)
- Fewer convolutional layers (2 instead of 3)
- Smaller fully connected layers
This approach significantly reduces training time and is ideal for:
- Verifying data pipelines
- Testing training logic
- Debugging without GPU
Once verified, the full version of the model (with 224×224 input and 3 convolutional layers) is used for final training and evaluation 优化： 轻量版项目建议： step 1: 新建一个轻量调试版（跑得快、方便调试，效果一般即可）： 快速调试版优化点：light_model.py轻量cnn模型 original_model vs light_model 项目 原值 调试值 原因 图片尺寸 224x224 64x64 极大减少计算量 模型层数 3 层卷积 2 层 简化模型结构 批次大小 32 16 内存低时更稳 epoch 数 5 保持 5 少于 5 可能没学习效果 GPU/CPU 任意 不变 用 GPU 更快（有则用）
Step2: 数据处理时将图像 resize 成 64x64 在 dataset.py 里加一个参数开关： def get_cat_dog_dataloader(batch_size=16, image_size=64): # 新增 image_size transform = transforms.Compose([ transforms.Resize((image_size, image_size)), # 改为动态尺寸 transforms.ToTensor(), ]) ...
Step3: add train_debug.py test version
- Implemented with PyTorch
- Dynamic flatten size calculation for flexible input
- Two versions: full model and lightweight model
- Supports prediction on new images
这是一个使用 PyTorch 实现的图像二分类项目，旨在判断上传的图片中是“猫”还是“狗”。整个项目完整覆盖了深度学习项目的全流程，包括数据处理、模型构建、训练评估、模型保存与加载、命令行预测、以及最终的网页交互式图片上传预测功能，具备良好的工程结构和可扩展性。
-
数据预处理与加载（dataset.py） 1.1. 基于 CIFAR-10 数据集中筛选猫（label=3）和狗（label=5） 1.2. 使用 torchvision 的 transforms 进行图像归一化、缩放 1.3. 封装 get_cat_dog_dataloader() 函数，统一训练/预测数据入口
-
模型设计（model.py） 2.1. 使用 3 层卷积神经网络（CNN）提取图像特征 2.2. 使用 AdaptiveAvgPool2d + 动态 flatten，支持任意输入尺寸 2.3. 全连接层进行二分类输出（Cat / Dog）
-
模型训练与保存（train.py） 3.1.使用交叉熵损失函数 + Adam 优化器 3.2.每轮输出平均损失（Loss） 3.3 训练完成后自动保存模型权重为 cat_dog_cnn.pth
-
模型评估（evaluate.py） 4.1. 加载模型并在训练集进行评估 4.2. 输出准确率、分类报告（precision, recall, F1） 4.3. 可视化混淆矩阵（使用 matplotlib + seaborn）
-
命令行预测（predict.py） 支持传入 --image 参数运行预测：
-
网页上传图片预测（streamlit_app.py） 6.1 使用 Streamlit 快速构建图像上传页面 6.2 支持任意尺寸图片上传并实时展示预测结果 6.3 用户友好界面，适合部署与演示（未来可部署至 Hugging Face Spaces）
I independently built a complete end-to-end image classification pipeline from scratch, including data preprocessing, CNN architecture design, model training, evaluation with precision/recall/F1/confusion matrix, and both CLI and web-based inference interfaces using Streamlit.
我从零实现了一个图像分类的完整流程项目，覆盖了从数据预处理、模型结构设计、训练与评估，到推理部署与用户交互（命令行 + 网页上传预测），具备完整的工程能力和实战经验。