企业官网建设流程全解析

简介：这是人工智能导论课程‘基于图像的情绪分析’大作业的完整方案，源码、文档与实验报告齐备，面向课程设计、大作业汇报或答辩场景，适合高校相关专业学生参考，也适合初学者学习表情识别与图像分类流程。压缩包共25个文件、22.54MB，含11个Python脚本，涵盖CNN、VGG、ResNet多个模型的训练、测试与效果对比，以及数据划分、数据视图、人脸检测、情绪映射等功能代码；另有6个Markdown说明、人脸检测XML、演示视频，以及开题报告、进展报告和期末课程项目报告等材料，并附使用说明，目录按功能分层，便于快速上手和定向检索。资源内集成3个参考工程压缩包，可作为二次开发基础。已有251人浏览/学习，遇到运行问题可私信作者，支持远程教学。对需要完成课程设计、准备答辩或梳理完整项目链路的读者，这份资料能从开题、数据处理、模型搭建、效果对比到报告撰写提供全流程参考。

1. 人工智能导论大作业：基于图像的情绪分析，到底在做一个什么问题

人工智能导论大作业里，基于图像的情绪分析是一个特别适合练手的题目：它不要求你发明算法，却要求你把“图像输入到情绪标签输出”这条链路真正跑通，并交出源代码、文档说明和实验报告。很多同学会误以为这只是“下载一个模型跑一遍”，实际上还要处理数据集、选网络、调参数、做评估，最后把过程写成老师看得懂的实验报告。这背后需要你掌握图像分类、迁移学习、模型验证、工程目录组织等一堆知识点，但每一个点又都不会深到让你在导论课阶段就放弃。这篇内容适合正在写人工智能导论大作业、或者想用一个小项目入门图像分类的从业者和学生。我会按一套能交付的工程来拆解，包括技术选型、代码结构、文档组织，以及我踩过的坑。

2. 先把原理立住：情绪分析为什么不是“看图说话”这么简单

2.1 人脸检测与情绪分类的流水线，先拆任务再选模型

基于图像的情绪分析，严格说包含两个层级的任务：第一，在图像里找到人脸；第二，把每个人脸区域划分为预先定义好的情绪类别。传统教材里这套流程叫“级联结构”——先用目标检测把人脸框出来，再用分类网络判断情绪。如果你跳过检测，直接把整张图扔给分类模型，模型会被背景、光照、多个人脸干扰，很难收敛。所以大作业的第一件事，是把这个问题拆成“检测+分类”两个子问题。

检测环节最稳妥的做法是用 OpenCV 的 Haar Cascade 或 MTCNN。Haar Cascade 不需要额外训练，调用一行就出来，缺点是漏检率偏高，尤其是侧脸和暗光。MTCNN 效果好但需要额外安装库。我一般建议大作业先上 Haar Cascade，把流程跑通，再决定要不要换检测器。检测器的输出是一个矩形框 (x, y, w, h)，后续情绪分类只处理这个裁剪区域。这一步决定了后面分类器的输入质量，如果框大了会把头发、背景都包进来，框小了会切掉眉毛和嘴，情绪特征不完整。

分类环节要定义情绪标签。公开数据集里最常见的七类表情是生气、厌恶、恐惧、高兴、悲伤、惊讶和中性。注意这七个类别之间的边界很模糊，比如“恐惧”和“惊讶”在眼睛瞪大时特别容易混；“中性”经常被误判成“悲伤”。这不是你的模型有问题，而是情绪本身存在主观性。大作业里最好明确使用数据集官方标签，不要自己重新标注，否则报告里没法说服老师。

2.2 从传统特征到预训练CNN：大作业选型的三条路线

如果只按照导论课讲过的知识选型，你会面对三条路线，各有取舍。

第一条是传统特征加经典分类器：提取 HOG 特征，训练 SVM 分类器。这条路代码量小，几十行就能跑，CPU 也能训。但 HOG 特征对表情这种局部形变很不敏感，在 FER2013 这类真实情绪数据集上通常只有 50% 出头的准确率，和随机猜测的 14% 比有提升，但拿到答辩现场不够好看。除非老师要求“不能只背深度学习”，否则不建议主推。

第二条是小型卷积神经网络：自己写一个 4 到 6 层的 CNN，输入 48x48 灰度图。这能体现你理解卷积、池化、全连接这些基础概念，而且训练参数量不大，普通笔记本 CPU 也能在半小时内跑完一个 epoch。缺点是收敛状态很看运气，同样的网络结构换一个初始化，结果可能差 5 个百分点。“玄学”往往就出现在这条路上。

第三条是迁移学习：加载 ImageNet 预训练模型，例如 ResNet18，把最后一层换成 7 分类，冻结前面几层只微调后三层和分类头。这条路线我最推荐，因为它在导论课作业里不算超纲——你只要说明“预训练权重帮模型在小样本上更快收敛”，老师就能理解。实际效果在 FER2013 上通常比小型 CNN 高出 10 到 15 个点，而且调试时间短。下表对比三条路线的落地感受。

这里的参考准确率是我用常见配置跑出来的经验区间，不是绝对标准。准确率受数据切分影响很大，同一个模型换个划分就可能浮动 2 到 3 个点。汇报时不要单看准确率，而是把准确率配合混淆矩阵一起讲，这样老师会认为你有评估意识。

选型理由上，迁移学习还有一个隐藏好处：它能帮你少碰梯度消失。导论课作业通常不要求你别出心裁设计网络，直接微调 ResNet18 既安全又有一定创新度——你在报告里多写一句“只替换卷积首层适配灰度图，并微调到最后两层”，就足以展现思考深度。

2.3 数据集与标签：情绪类别怎么定，正负样本别踩坑

公开最常用的情绪分类数据集是 FER2013，它把每张人脸表情保存成 48x48 的灰度像素，总样本量 35887 张，分训练集、公开测试集和私有测试集。另一个常用的是 CK+，图数少但标注干净，多用于验证集。导论课大作业不建议自己爬图，第一费时间，第二标注很难做到一致。用现成数据集，报告里可以写清楚来源、数量、格式，这部分是老师一定会看的。

FER2013 有一个需要提前知道的坑：类别严重不平衡。happy 和 neutral 数量多，disgust 数量特别少，可能只有整个数据集的 2% 到 3%。如果你不做任何处理，模型会对多数类过拟合，最终测试准确率虽然能看，但每个类别的 recall 相差悬殊。解决不平衡最常见的有三种：对训练集做重采样，让每个类别样本数接近；给损失函数加类别权重；或者把过少且容易混淆的类别合并。我一般会用 sklearn 的 compute_class_weight 直接算权重，然后塞进 CrossEntropyLoss 的 weight 参数。这比改代码更省事。

还要注意情绪类别定义。FER2013 的 7 类里，disgust 和 fear 经常样本少且和 anger 混淆。如果你的大作业只有两周，建议保留原始 7 类，用类别权重兜底；但如果最后测试集上 disgust 的 F1 还是不到 0.2，可以在报告的“改进方向”里写“将 disgust 与 fear 合并成 negative 类”，并补做一个 6 类实验，让老师看到你不是只会照跑，而是会分析问题。

数据预处理要固定一个流程：灰度图 → 压缩到统一尺寸 → 归一化。不要用原图尺寸直接训练，因为不同图片宽高比不同，全连接层维度会崩。归一化用 mean=0.5、std=0.5 比较省事，等价于把像素值压到 -1 到 1 之间，配合大多数网络都能稳定训练。如果走迁移学习，第一层输入是三通道，需要把灰度图复制成三通道，并使用 ImageNet 的 mean/std（0.485, 0.456, 0.406 / 0.229, 0.224, 0.225）。这两种归一化都常见，关键是要保证训练和推理用同一个参数，否则模型推理结果会“翻车”。

3. 把代码跑通：从数据集到训练再到推理的最小工程

3.1 项目目录与依赖：一份能直接交的源码结构

动手写代码前先把目录组织好，比写到一半再整理要省力得多。我见过很多同学把训练脚本、数据集、报告全堆在桌面上，最后提交时补一个压缩包，文件名还是“新建文档”。老师打开这种项目，第一印象就是你缺乏工程规范。一套简单的目录结构如下：

emotion_analysis/ ├── data/ │ ├── raw/ # 原始数据集，按标签存子目录 │ └── processed/ # 预处理后的图片，训练时可读取 ├── src/ │ ├── dataset.py # 数据集加载、增强、归一化 │ ├── train.py # 训练主脚本，保存最优权重 │ ├── inference.py # 测试集推理、画混淆矩阵、样本预测图 │ └── utils.py # 随机种子、类别权重等公共函数 ├── docs/ │ ├── README.md # 文档说明，怎么跑起来 │ └── experiment_report.md # 实验报告正文 ├── checkpoints/ # 训练好的模型权重 └── requirements.txt # 依赖清单

这个目录的用意是让源码、数据、文档分离：src 只放代码，data 放原始和处理后的数据，docs 放文档说明和实验报告，checkpoints 放权重。大作业只需要交源码加文档时，把 checkpoints 里的大权重文件删掉或另存网盘，压缩包体积就很小。如果老师要求“源代码+文档说明+实验报告”三件套，这个目录直接对应三件事，不要额外拼凑。

依赖清单 requirements.txt 也别随手写。最稳妥的是列出你实际 import 过的核心库，不要用pip freeze > requirements.txt把几十个间接依赖全塞进去。课设环境通常不好复现，越精简越容易装上。下面是一份够用的依赖清单：

opencv-python>=4.6.0 torch>=1.13.0 torchvision>=0.14.0 numpy>=1.21.0 matplotlib>=3.5.0 scikit-learn>=1.0.0 pandas>=1.3.0

说明：opencv 负责读取图像和人脸检测；torch/torchvision 负责模型和预训练权重；matplotlib 画混淆矩阵和样本图；scikit-learn 提供 classification_report 和类别权重计算；pandas 用来读 csv 格式的标签文件。版本写下限不写死，是为了在同学之间传递压缩包时不容易因为“缺某个小版本”而崩掉。

3.2 数据加载与预处理：搞定灰度图、归一化和数据增强

先写 Dataset 类，这是 PyTorch 工程里最容易被忽略但最关键的一环。它决定了每条训练样本是怎么从磁盘变成张量的。下面这套代码可以直接适应按标签存子目录的图片结构。

# src/dataset.py import os import torch from torch.utils.data import Dataset from torchvision import transforms from PIL import Image class EmotionDataset(Dataset): def __init__(self, img_dir, label_dict, train=True): self.img_dir = img_dir self.samples = list(label_dict.keys()) self.labels = label_dict self.train = train if train: self.transform = transforms.Compose([ transforms.RandomHorizontalFlip(p=0.5), transforms.RandomAffine(degrees=8, translate=(0.05, 0.05)), transforms.Resize((48, 48)), transforms.ToTensor(), transforms.Normalize(mean=[0.5], std=[0.5]) ]) else: self.transform = transforms.Compose([ transforms.Resize((48, 48)), transforms.ToTensor(), transforms.Normalize(mean=[0.5], std=[0.5]) ]) def __len__(self): return len(self.samples) def __getitem__(self, idx): img_name = self.samples[idx] img = Image.open(os.path.join(self.img_dir, img_name)).convert('L') img = self.transform(img) label = self.labels[img_name] return img, label

这段代码的核心是 transform 的差异：训练时随机水平翻转和轻微仿射变换，用于扩大样本多样性，抑制过拟合；测试时不加增强，只做 resize 和归一化。之所以只做 8 度旋转和 5% 平移，是因为情绪分类对姿态变化敏感，角度太大的增强会把人脸五官形状扭曲到失去语义。

这里要特别说明灰度图处理：convert('L')把图片读成单通道，后面 Normalize 用mean=[0.5], std=[0.5]，两个参数对应灰度图。如果你改成三通道迁移学习，要么把convert('L')改成convert('RGB')，Normalize 换成 ImageNet 的三通道均值方差；要么像我在训练脚本里那样，把模型第一层改成单通道输入。两种改法都能跑，但别混用——训练时用单通道，推理时如果忘了convert('L')，模型会直接报通道数错误，或者输出概率一团糟，这种“玄学报错”通常是预处理不一致造成的。

3.3 训练脚本关键参数：epoch、batch size、学习率怎么设

训练脚本是整套作业的心脏。这里以 ResNet18 迁移学习为例子，给出了可运行的最小骨架。

# src/train.py import torch import torch.nn as nn from torch.optim import AdamW from torch.utils.data import DataLoader from torchvision import models from dataset import EmotionDataset # 超参数 BATCH_SIZE = 64 EPOCHS = 30 LR = 1e-3 NUM_CLASSES = 7 DEVICE = torch.device("cuda" if torch.cuda.is_available() else "cpu") model = models.resnet18(weights=models.ResNet18_Weights.IMAGENET1K_V1) model.conv1 = nn.Conv2d(1, 64, kernel_size=7, stride=2, padding=3, bias=False) model.fc = nn.Linear(model.fc.in_features, NUM_CLASSES) model.to(DEVICE) train_ds = EmotionDataset("data/processed/train", train_label_dict, train=True) val_ds = EmotionDataset("data/processed/val", val_label_dict, train=False) train_loader = DataLoader(train_ds, batch_size=BATCH_SIZE, shuffle=True, num_workers=2) val_loader = DataLoader(val_ds, batch_size=BATCH_SIZE, shuffle=False, num_workers=2) criterion = nn.CrossEntropyLoss() optimizer = AdamW(model.parameters(), lr=LR, weight_decay=1e-4) for epoch in range(EPOCHS): model.train() total_loss = 0.0 for imgs, labels in train_loader: imgs, labels = imgs.to(DEVICE), labels.to(DEVICE) optimizer.zero_grad() preds = model(imgs) loss = criterion(preds, labels) loss.backward() optimizer.step() total_loss += loss.item() avg_loss = total_loss / len(train_loader) print(f"epoch {epoch+1}/{EPOCHS}, loss: {avg_loss:.4f}") # 验证 model.eval() correct = 0 total = 0 with torch.no_grad(): for imgs, labels in val_loader: imgs, labels = imgs.to(DEVICE), labels.to(DEVICE) preds = model(imgs).argmax(dim=1) correct += (preds == labels).sum().item() total += labels.size(0) print(f"val acc: {correct / total:.4f}")

关键参数我有几个自己的设置习惯。BATCH_SIZE 取 64，是因为 48x48 的灰度图内存占用小，64 和 128 在训练速度上差异不大，但 64 对 BN 层的稳定性更好。EPOCHS 设 30 而非导论课里常见的 10，是因为迁移学习在微调阶段前几轮还在“适应”新分类头，收敛比从零训练更慢，但也用不着 100 轮。LR 初始 1e-3 配合 AdamW 足够，如果你发现验证损失在涨，就把 LR 降到 1e-4 继续微调。weight_decay=1e-4 算是标准的 L2 正则，能压住一些噪声大的样本对权重的影响。

代码里有一点需要特别注意：验证阶段用torch.no_grad()避免记录梯度，否则验证会占一倍的显存；model.eval()和model.train()切换也很关键，否则 BN 层在验证时还在用训练集统计量，导致准确率偏“虚高”。每次 epoch 结束后记得把验证准确率记到日志里，后面写实验报告需要这个数据。

3.4 推理与可视化：出图、出报告，老师看的不是代码是结果

老师评审这份大作业，不会一行行读你的训练代码，但一定会看你输出的混淆矩阵、分类报告和几张“预测成功/失败”的样本图。所以推理脚本要承担“产出证据”的作用。下面这段代码在测试集上跑一遍，输出每个类别的 precision、recall、F1，并画混淆矩阵保存到 docs 目录。

# src/inference.py import torch import numpy as np import matplotlib.pyplot as plt from sklearn.metrics import confusion_matrix, classification_report CLASSES = ["angry", "disgust", "fear", "happy", "sad", "surprise", "neutral"] def plot_confusion_matrix(cm, save_path="docs/confusion_matrix.png"): plt.figure(figsize=(8, 6)) plt.imshow(cm, cmap="Blues") plt.xticks(range(len(CLASSES)), CLASSES, rotation=45) plt.yticks(range(len(CLASSES)), CLASSES) plt.colorbar() plt.xlabel("Predicted") plt.ylabel("True") plt.tight_layout() plt.savefig(save_path, dpi=150) preds_all, labels_all = [], [] model.eval() with torch.no_grad(): for imgs, labels in val_loader: imgs = imgs.to(DEVICE) preds = model(imgs).argmax(dim=1).cpu().numpy() preds_all.extend(preds) labels_all.extend(labels.numpy()) cm = confusion_matrix(labels_all, preds_all) print(classification_report(labels_all, preds_all, target_names=CLASSES)) plot_confusion_matrix(cm)

这段代码有两点值得注意。一是把预测移到 CPU 上再转 numpy，避免 GPU 和设备之间频繁拷贝导致显存碎片；二是用extend而不是append，否则会把每个 batch 当成一个列表元素，最后算混淆矩阵时维度对不上。classification_report 会直接给出每个类的指标，你在实验报告里可以直接引用这些数字。

除了混淆矩阵，我还会额外写一个函数，随机抽 4 张测试图像，把真实标签和预测标签并排打印到一张图上。这能直观展示模型的错误形态，答辩时也比只看数字更有说服力。保存图片时注意dpi=150，清晰度足够插入 Word 或 Markdown 报告。

4. 源代码之外，文档说明和实验报告才是拿高分的关键

4.1 文档说明怎么写：从README到环境复现

很多同学把“文档说明”理解成把代码复制一遍再加几句注释，这其实是在浪费机会。老师需要的是一个陌生人（或者两周后的你自己）拿到压缩包后，能在十分钟内重现你的实验结果。README 就是入口。一份合格的 README 至少要回答三件事：这个项目在做什么、怎么安装依赖、怎么跑出报告里的结果。

# 基于图像的情绪分析 ## 项目简介 对输入人脸图像进行七类情绪分类，使用 ResNet18 迁移学习，数据集为 FER2013。 ## 环境要求 - Python 3.8+ - PyTorch 1.13+ - 见 requirements.txt ## 快速开始 1. 将数据集解压到 data/raw 目录 2. python src/train.py 3. python src/inference.py 4. 结果输出到 docs/ ## 结果 最终验证集准确率：70.3%（在私有测试集上）

这个模板看起来朴素，但把“复现路径”写清楚了。“结果”一栏的准确率应该来自你最后一次固定种子跑出来的数字，不要为了好看写虚高值。老师如果复现不了，第一反应是怀疑你的实验造假，这比准确率低 2 个点严重得多。所以在 README 里写清楚运行时需要的文件结构，如果你的数据来自 FER2013 官方 csv，还要注明转换脚本放哪里。

4.2 实验报告结构：背景、方法、实验、结论四件套

实验报告需要跟着课程要求的模板走，没有模板时我习惯按以下结构组织。它不是流水账，而是用一个问题串起来：我为什么要做情绪分析，我用了什么方法，我证明了什么。

写“方法”部分时，要画一张简单的流程框图：输入图像 → 人脸检测 → 裁剪 → 灰度化/缩放 → 情绪分类网络 → 输出标签。能放进报告里的图，比一百行文字都有效。如果不会画好看的框图，用 PowerPoint 画一个矩形加箭头的图导出 PNG 就可以。

“实验”部分要把训练过程中的真实数据放进去。准确率、loss 曲线、混淆矩阵这三样至少要齐全。有同学觉得自己的准确率只有 70% 太低，其实老师更看重你能否解释为什么。比如你可以写“在混淆矩阵上，sad 和 neutral 最常互混，原因是两种表情的嘴部变化不明显”，这句话比空泛的“模型还需要改进”有价值得多。

4.3 实验记录与对比：把“玄学”写成“可控变量”

从我的经验看，大作业能拉开差距的地方就在这里——能不能把训练过程中那几次“翻车”写成可控的实验变量。比如下面这张表，是我在调试时会记录的内容。

这张表不是虚构，应根据你的实际实验填写。写报告时把每一行“为什么改，改了什么，效果如何”展开成一段，就构成了一节完整的“消融实验”。这对老师的吸引力远大于一次调参尝试的说明，说明你真的在控制变量做实验，而不是碰运气。

要生成这么一张表，你训练脚本里最好把每次运行的配置和时间戳记录成 CSV 或 json。最简单的做法是训练结束时把超参数和验证准确率追加到docs/experiment_log.csv，之后再整理进报告。这不算额外工作，只是把“我记得”改成“数据记得”。

4.4 答辩准备：老师最常问的三个问题

基于图像的情绪分析大作业答辩，老师大概率会围绕“选型”和“结果真实性”提问。我整理了三个高频问题，提前准备好能省掉很多卡壳。

第一，“为什么用 ResNet18，不试试更深的网络？”你回答的核心是预算和收益：设备显存有限，ResNet18 在 FER2013 这种小规模灰度数据集上已经能有 70% 左右准确率，更深的 ResNet34/50 在数据量增加前提下才有优势，在几千张训练图上反而容易过拟合。再补一句“我打算在改进方向里加入 ResNet34 对比”，效果更好。

第二，“灰度图为什么能训练出好模型？”你可以说人脸表情的主要线索来自纹理和轮廓，颜色信息对情绪判断贡献小；同时 FER2013 数据集本身就设计成灰度图，所以沿用这个设定。如果老师追问三通道预训练模型怎么适配，就把替换 conv1 那行代码讲清楚。

第三，“准确率还能怎么提升？”这是一个送分题，不要只说“加数据”。你可以提三个方向：用 MTCNN 替代 Haar 提升人脸框质量，用 Focal Loss 处理类别不平衡，加入 SE 注意力模块让模型更关注眼睛和嘴。每一项都能讲出原理，说明你思考过如何继续深入。

5. 大作业避坑指南：情绪分析最容易翻车的五个地方

5.1 现象：人脸检测框偏移导致情绪全错

我见过不少同学提交的代码，训练时用的数据是“自己从原图中心裁一块”，推理时却用 Haar 检测框去裁，两个框的位置不一致，导致分类器看到的内容完全不同。比如原图人脸居右，中心裁剪裁到了头发和背景，情绪自然全错。

原因：检测框只是定位到人脸，但没有经过和训练数据一致的裁剪逻辑。解决方法是把“检测 → 裁剪 → resize”写成同一个函数，训练和推理都调用。裁剪时还要在检测框基础上外扩 10% 左右，保证额头和下巴不被切掉。检测框的 scaleFactor=1.1、minNeighbors=5 对 640x480 摄像头图像比较合适，框太松就调小 minNeighbors 到 3。

5.2 现象：loss 一直下降，测试集准确率却上不去

这个现象几乎每个训练深度学习的人都会遇到。训练 loss 降到 0.2，看起来模型已经“背下”了训练集，但验证准确率只有 60%。如果再看混淆矩阵，几乎所有类别都偏向 happy 和 neutral，这就是典型的过拟合加上类别不平衡。

原因：模型容量大、训练样本少、情绪类别间相似度高，三者叠加导致泛化差。解决思路分三层：一是增加数据增强，用水平翻转、随机裁剪、亮度和对比度抖动；二是给 CrossEntropyLoss 加类别权重，让少数类错误产生更高损失；三是加早停，验证准确率连续 5 个 epoch 不提升就停止，把最优权重保留下来。记住，不要等到 30 个 epoch 全跑完才去看验证曲线，那就晚了。

5.3 现象：别人拿到你的压缩包，怎么都跑不起来

这是文档说明没做到位，也是大作业最常见的“软性丢分”。你的代码在自己的电脑上能跑，是因为虚拟环境里装满了历史遗留的库，换台机器就容易缺这缺那。最容易翻车的是这几个地方：代码里写了绝对路径；数据集目录名带中文；Python 版本用了 3.11，但对方的是 3.7。

解决：代码里所有路径都用相对路径，从项目根目录出发；README 里写明 Python 版本和安装命令；requirements.txt 只列核心依赖。还要避免使用cv2.imread读中文路径图片，它遇到中文路径会静默失败返回 None，导致训练数据直接少一半。我习惯在 dataset.py 里加一句assert img is not None，没有图片时立刻报错，而不是等训练崩到一半才排查。

5.4 现象：准确率卡在 65% 左右，怎么调都上不去

如果你已经尝试增大 epoch、调学习率，准确率仍停在 65%，大概率不是参数问题，而是数据集本身和任务定义的问题。FER2013 的不少图像是低分辨率、有遮挡、甚至标注错误的，要在这类数据上做到 80%，普通 ResNet18 微调很难。

解决路径是调整任务，不是盲目堆模型。最常见的是把 7 类合并成 6 类，比如把 disgust 并入 sad，因为这两个类别在数据集中数量少且特征重叠。改标签后准确率往往会涨 2 到 4 个点，但注意报告里一定要写“做了标签合并实验”，而不是把数据偷偷丢掉。另一个思路是修改模型结构，比如在全连接前加一个 SE block，让网络更关注眼睛和嘴巴区域。

5.5 现象：报告里的图表和代码结果对不上

最后这个坑很隐蔽，但一旦被发现就是诚信问题。有同学训练时输出了 70% 的准确率，写报告时又心血来潮改了模型，没有重新跑推理，直接把旧准确率填进新实验的表格里。或者两次运行没有固定随机种子，模型权重不同，准确率有自然波动，报告里 A 组和 B 组的差异无法复现。

解决：在 train.py 开头固定随机种子，保证每次运行结果可复现。我常用的函数是：

import random import numpy as np import torch def set_seed(seed=42): random.seed(seed) np.random.seed(seed) torch.manual_seed(seed) torch.cuda.manual_seed_all(seed)

调用后再开始训练，所有随机增强、初始化、数据打乱都变成确定性的。报告里的每一张图表都对应一个训练日志文件，评审抽查时你能快速指出这个数字来自哪一行 log。这个习惯让我在多次课设答辩里省掉了“这个结果怎么来的”这种尴尬追问。

6. 进阶玩法：把大作业做成能演示的实时情绪分析工具

如果你的时间允许，在交付“源代码+文档说明+实验报告”之外，再加一个摄像头实时演示，答辩时的加分效果非常直接。老师看到你从模型训练到工程部署都有了解，更容易相信你不只是照着网上代码跑了一遍。

实时演示的核心是把训练好的模型加载进来，配合 OpenCV 的摄像头读取。一个最小实现长这样：

import cv2 import torch cap = cv2.VideoCapture(0) face_cascade = cv2.CascadeClassifier( cv2.data.haarcascades + "haarcascade_frontalface_default.xml" ) model.eval() while True: ret, frame = cap.read() gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5) for (x, y, w, h) in faces: face = gray[y:y+h, x:x+w] face = cv2.resize(face, (48, 48)) tensor = torch.from_numpy(face).float() / 255.0 tensor = (tensor - 0.5) / 0.5 tensor = tensor.view(1, 1, 48, 48) with torch.no_grad(): pred = model(tensor).argmax(dim=1).item() cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2) cv2.putText(frame, CLASSES[pred], (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2) cv2.imshow("emotion demo", frame) if cv2.waitKey(1) & 0xFF == ord("q"): break cap.release() cv2.destroyAllWindows()

注意这里我手动做了一次float() / 255.0再(tensor - 0.5) / 0.5，是为了和训练时的Normalize(mean=[0.5], std=[0.5])保持一致。如果你在训练时用了 ImageNet 的均值方差，这里的归一化也要改成对应数值。摄像头画面的光线会一直变，我自己的习惯是先对灰度图做一次直方图均衡化cv2.equalizeHist(gray)，让模型在面对高噪点和暗光时更稳定。这个技巧不算在作业要求里，但写进答辩 PPT 的“优化探索”会显得你很在意真实场景的性能。

实时演示还有一个隐含限制：Haar Cascade 检测器对模糊和侧脸非常敏感，演示时离摄像头 1 米左右、正对镜头效果最好。如果现场翻车也不用慌，直接说“这是检测器局限，不是分类器问题”，然后用提前准备好的测试集图片演示分类效果，老师通常能理解。希望这个方向能帮你在人工智能导论大作业里交出一份能讲得清楚、也经得起复现的作品。

本文还有配套的精品资源，点击获取