基于ImageNet的宠物品种分类项目-ResNet-18

项目描述 基于ImageNet的宠物品种分类项目
基于 ImageNet 预训练 ResNet-18 的宠物品种分类项目，在 Oxford-IIIT Pet 数据集上对比 Baseline、RandAugment、Label Smoothing 三组固定种子实验，提供独立测试评估、Top-5、Macro-F1、混淆矩阵和 Grad-CAM 可视化，并附带 Gradio Web 交互界面。

项目功能
模型训练： 三组对照实验（基础增强、RandAugment、Label Smoothing），seed=42 可复现
独立评估： 测试集 Top-1/Top-5/Macro-F1、混淆矩阵、Grad-CAM 热力图
训练监控： TensorBoard 日志、逐 epoch 训练历史 CSV
Web 界面： Gradio 四 Tab（单图预测+Grad-CAM、批量预测、实验结果展示、项目说明），支持三组 checkpoint 切换

运行环境
Windows + Anaconda（pet37 环境，Python 3.11.16）
PyTorch 2.7.1+cpu / torchvision 0.22.1+cpu
依赖见 requirements.txt：numpy 2.4.6、scikit-learn 1.9.0、matplotlib 3.11.1、tensorboard 2.21.0、Pillow 12.3.0、gradio 6.26.0
无需 GPU，CPU 即可训练和推理

项目技术
模型： ResNet-18（ImageNet 预训练，全参数微调，37 类分类头）
优化： AdamW（lr=1e-4，weight_decay=1e-4，batch=32，15 epoch）
数据： Oxford-IIIT Pet 7349 张图片，分层 70/15/15 划分
增强： Resize(256)→RandomCrop(224)→Flip→ToTensor→Normalize；RandAugment 实验额外加 RandAugment(2,9)
可解释性： Grad-CAM（目标层 model.layer4[-1].conv2）
前端： Gradio Blocks 多 Tab 布局

以上系统源码经过技术整理与调试，确保能正常运行