图像分类

和「图像分类」相关的文章都收在这里，方便沿着同一个主题继续读下去。

标签归档

同一主题下的内容，会更容易看出思路是怎么慢慢长出来的。

第 67 课视频封面，展示从混淆矩阵、错误样本到错误归因和改进策略的分析流程。

2026/08/09项目实战

图像分类错误分析：混淆矩阵与错误样本

准确率只能告诉你错了多少，混淆矩阵和错误样本才能告诉你错在哪里。这篇建立一套从类别指标、混淆矩阵到高置信度错误图的分析流程。

错误分析混淆矩阵可视化模型评估图像分类 PyTorch

第 66 课视频封面，展示 CIFAR-10 数据准备、CNN 训练验证和最佳模型保存流程。

2026/08/09项目实战

第一个 CNN 图像分类训练项目

从数据增强、CNN、训练循环、验证指标到保存最佳权重，完整跑通一个 PyTorch 图像分类项目，并理解每一段代码为什么存在。

图像分类项目实战训练循环 CIFAR10 CNN PyTorch

第 65 课视频封面，展示图片从通道与尺寸变换到组成训练批次的完整数据流。

2026/08/03项目实战

图像数据怎样进入网络：通道、尺寸和批次

一张普通图片进入 PyTorch 后为什么会变成 [B, C, H, W]？这篇从 PIL、NumPy、Tensor、归一化和 DataLoader 出发，把图像送进 CNN 前的完整数据流讲清楚。

图像分类 DataLoader Dataset PyTorch Tensor torchvision

第 64 课视频封面，展示卷积核扫描、特征图与池化压缩的核心流程。

2026/08/03项目实战

CNN 入门：卷积和池化到底提取了什么

图像不能直接用全连接层处理——参数太多、丢失空间结构。CNN 用卷积提取局部特征，用池化压缩尺寸。这篇用最小代码讲清卷积核在做什么。

池化卷积特征提取图像分类 CNN PyTorch