基于Inception-ResNet的皮肤癌分类：从模型训练到系统落地

做毕业设计的时候很多人一看到“基于 Inception-ResNet 模型的皮肤癌分类系统实现”这类题目第一反应就是找开源代码、换模型、跑个准确率然后把曲线截图丢进论文里。我最初也是这么想的但真正做完之后才发现这个题目最值钱的地方不在准确率高一个点而在于它几乎把深度学习工程化的每一步都压在你身上数据怎么清洗、类别不均衡怎么平衡、模型为什么训不动、GPU 内存炸了怎么办以及训练好的模型怎么变成一个同学能直接打开上传图片、查看分类结果和热力图的系统。这篇文章我想以“已经动手做过一遍”的角度把这个项目从头到尾复盘一遍。内容主要服务于三类人一是准备拿这个题目做毕业设计、又不确定整体流程怎么走的学生二是想做图像分类实际项目、但对系统化落地不太熟的人三是对 Inception-ResNet 这种混合结构感兴趣、想搞清楚它为什么能用在医学图像上的读者。文章不会只给结论我会把每个关键选择背后的“为什么”也讲清楚。1. 项目整体设计先把“题目”拆成能落地的需求1.1 题目里的三块核心“基于 Inception-ResNet 模型的皮肤癌分类系统实现”这个标题其实包含三个信息层。第一层是模型Inception-ResNet 是网络结构核心是兼顾多尺度特征和深度训练稳定性第二层是任务皮肤癌分类属于典型的医学图像分类输入是皮肤镜图像输出是病变类别第三层是系统实现意味着你不能只做一个离线模型脚本而是要有一个能展示、能交互、能演示的完整闭环。很多毕设翻车就翻在把“系统实现”直接忽略了。一个合格的毕设交付物我认为至少应该包括四块东西数据集预处理脚本、模型训练与评估代码、一个简单的 Web 推理界面或 API以及一份能讲清楚“为什么这么设计”的分析文档。如果只交一个训练脚本哪怕准确率再高答辩时也撑不了太久。1.2 技术选型为什么是 Inception-ResNet 而不是“闭眼上 ResNet”图像分类领域能选的网络很多VGG 太老ResNet 太常规EfficientNet 很新但可解释性没那么直观ViT 对数据量要求高、训练不稳定。Inception-ResNet 的定位比较特殊它把 Inception 的多尺度结构跟 ResNet 的残差连接结合起来既有“看全局又看局部”的视野又有深网络训练稳定的特性而且有预训练权重迁移学习的成本不高。从毕设角度讲选 Inception-ResNet 还有一个很实际的考量它既“经典”又“有可写的东西”。论文里可以解释多尺度特征对皮肤病变的意义可以分析残差连接为什么能抑制梯度消失也可以拿它和 ResNet、VGG 做对比实验。这会比单纯用 ResNet 完成同一个任务多出不少可以写深的内容。但我也要说一句实话Inception-ResNet 不是唯一选择却是比较稳妥的选择。如果换成一个非常新的 SOTA 模型可能没有成熟的预训练权重还容易跑不出效果换成一个太简单的模型课题又显得没有技术含量。Inception-ResNet 正好处在“有创新空间、又不容易翻车”的区间里。1.3 系统模块拆解模型只是其中一环把一个标题变成系统我的习惯是先梳理模块边界。核心模块至少有五个数据层、模型层、训练评测层、推理层和展示层。数据层负责读图、清洗、归一化、做数据增强模型层负责加载 Inception-ResNet 并修改输出层训练评测层负责损失计算、指标统计、混淆矩阵、ROC 曲线推理层把训练好的模型封装成 API接收图片返回类别和置信度展示层则可以是网页、桌面应用或者交互 Demo。实际开发顺序也很关键。我通常建议先做数据层和模型层的“最小闭环”数据能喂进网络网络能跑一步反向传播然后马上训练一个小 epoch确认 loss 在下降。很多同学一上来就去调前端、做酷炫界面结果模型还没训好界面只能接一个随机输出最后两头都赶。1.4 数据集与预处理皮肤镜图像不是普通照片皮肤癌分类常用的公开数据集有 ISIC 系列和 HAM10000这是一个经常出现在相关文献里的开放皮肤镜数据集。这类数据有几个明显特点类别数量不均衡比如黑色素瘤样本少、痣样本多图像尺寸不统一有的大有的小部分图像带标尺、色块甚至毛发干扰很多最重要的是它和自然图像差别很大不能用那种训练 ImageNet 的思维直接套。我在预处理阶段会先做三件事统一图像尺寸比如 Inception-ResNet-v2 一般要求 299×299 输入做归一化使用 ImageNet 的均值和标准差进行标准化因为在用预训练权重把类别标签做成数字编码并记录映射表。分割皮肤病变区域这种操作可以做但会增加工作量对毕设来说不是必需如果要做可以把它当作一个加分项而不是核心功能。2. 核心模型理解Inception-ResNet 到底改进了什么2.1 Inception 模块不同尺度的卷积都要先说 Inception 模块。人的视觉系统看一张皮肤病变图像时既会关注边缘形状这种全局信息也会关注边界不均匀性这种局部细节。传统卷积网络用固定尺寸的卷积核比如 3×3 只能看局部5×5 稍微看远一点但你只能选一个。Inception 的思路很直接我不做选择我全都要。它在同一层并行使用 1×1、3×3、5×5 卷积和池化然后把结果拼起来让网络自己去决定哪条分支更重要。1×1 卷积还有一个额外作用就是降维。5×5 卷积虽然视野大但参数和计算量都不小先用 1×1 把通道数量压下来再算 5×5整体计算量会小很多。这种设计非常务实尤其对于皮肤镜图像这种纹理丰富、尺度不一的数据多尺度特征确实比单尺度更有说服力。2.2 残差连接深又有救的梯度之路ResNet 的贡献大家都很熟悉把输出变成 F(x)x。这样一来网络不再需要直接拟合一个目标映射只需要学习“变化量”。在反向传播时恒等路径让梯度可以直接回流即使网络很深前几层也有机会得到有效更新。这个设计对医学图像分类尤其重要。皮肤病变的判别往往依赖非常微弱的纹理差异比如黑色素瘤和良性痣的边界可能差在几个像素的锯齿程度这需要高层的语义信息和底层的细节信息共同作用。网络越深越有潜力捕捉这些差异但没有残差连接深网络真的训练不动。Inception-ResNet 把 Inception 和残差连接放在一起本质上是在“感受野丰富”和“可训练性强”之间找了一个平衡。2.3 两者怎么合并Inception-ResNet 结构直觉Inception-ResNet 的结构并不复杂。大体上是先有几个 Stem 模块做初步下采样和特征提取然后堆叠多个 Inception-ResNet 模块每个模块内部都保留一条残差捷径最后接全局池化和全连接分类层。具体到 v2 版本卷积核更大、模块数量更多、输入图像通常要求 299×299。我理解这个结构的时候喜欢用“团队分工”来类比。Inception 模块像是一个团队里谁都有发言权看细节的负责边界纹路看全局的负责整体形态池化负责提供背景信息残差连接则像是给团队加了一条“快速通道”让信息能越过繁琐流程直接传递防止沟通链条太长导致信息丢失。两者合作的效果就是在皮肤癌这种细粒度分类任务上表现得比较稳。2.4 针对皮肤癌分类的模型改动用 Inception-ResNet 做皮肤癌分类并不是把网络换上去就行需要做几个针对性改动。第一是最后一层原来 ImageNet 预训练的分类头输出 1000 类需要换成自定义类别数比如 7 类并保持 softmax 输出概率。第二是对全连接层做初始化新加的层没有预训练权重需要用合适的分布初始化否则一开始 loss 可能会很高。第三是决定微调策略是只训分类头冻结主干还是整个网络一起微调。我自己的策略是两段式先用较小的学习率只训练新增的分类头等 loss 稳定一点之后再解冻部分高层卷积层做全模型微调。这么做能够避免一开始就用大学习率把预训练权重冲乱在实际训练中确实比“一上来就全部微调”稳定很多。3. 实操落地从训练到系统封装的完整过程3.1 环境准备与依赖选择环境这块我踩过不少坑给一个比较省心的配置建议Python 3.8 以上PyTorch 2.0 或对应版本torchvision 按版本配套额外装 numpy、pandas、matplotlib、scikit-learn、pillow、tqdm、flask 或 gradio。GPU 最好有显存 6GB 以上的 NVIDIA 显卡没有 GPU 也能跑但 299×299 输入加上 Inception-ResNet 会比较吃力可能一个 epoch 要跑很久。CUDA 版本和 PyTorch 版本不对应是最容易出事的地方。建议直接用 PyTorch 官方推荐的安装命令比如先装好和显卡驱动匹配的 CUDA 版本再执行 pip 安装对应版本的 torch。不要在“缺少某个依赖”的状态下硬跑数据那样报错会让你怀疑人生。训练 Inception-ResNet 时默认权重下载可能很慢。我建议提前到本地下载预训练权重然后修改 torchvision 的加载逻辑从本地路径加载。这个步骤虽然很不起眼但能帮你在答辩现场避免“临时下载失败”这种非常尴尬的情况。3.2 数据准备与增强策略数据划分上我强烈建议要用分层拆分。也就是说划分训练集、验证集或测试集时按类别比例进行随机抽样避免某一类在验证集中恰好全被抽走。皮肤癌数据本身就不均衡随机划分很容易出问题。数据增强这一块我用得比较多的是随机水平/垂直翻转、随机旋转 15 度、轻微的颜色抖动、随机缩放裁剪。有一个技巧是增强不要做得太激进尤其是颜色抖动皮肤镜图像本身颜色差异很微妙如果增强把颜色改得过于失真反而会误导模型。直接上代码可能更直观。下面是一段基于 PyTorch 的预处理与增强配置from torchvision import transforms train_transforms transforms.Compose([ transforms.Resize((299, 299)), transforms.RandomHorizontalFlip(), transforms.RandomVerticalFlip(), transforms.RandomRotation(15), transforms.ColorJitter(brightness0.1, contrast0.1), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ]) val_transforms transforms.Compose([ transforms.Resize((299, 299)), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ])关键点在于训练集和验证集必须用同一套归一化参数否则模型看到的数据分布会和训练时不一致。这个细节看起来小但影响非常大。3.3 模型实现与训练策略基于 torchvision 实现 Inception-ResNet-v2 并不复杂核心代码大概是这样import torchvision.models as models model models.inception_resnet_v2(weightsmodels.Inception_ResNet_V2_Weights.IMAGENET1K_V1) num_classes 7 model.fc torch.nn.Linear(model.fc.in_features, num_classes)注意 Inception-ResNet-v2 在训练模式下前向传播除了返回主输出还会返回辅助输出aux_logits。这是 Inception 家族的一个特性。处理时有两种做法要么在训练时把两个 loss 加权相加要么直接把它关掉简化训练流程。对初学者来说先关掉辅助输出可能更省心因为少一个需要调的权重参数。损失函数我用的是交叉熵优化器用 AdamW初始学习率设置 1e-4 到 3e-4 之间权重衰减设 1e-4 左右batch size 根据显存来定常见 16 到 32。训练过程中我习惯同时记录训练集和验证集的 loss如果训练 loss 一直下降但验证 loss 开始反弹说明过拟合这时候优先尝试增加数据增强或降低学习率。下面是一个简化的训练循环骨架optimizer torch.optim.AdamW(model.parameters(), lr3e-4, weight_decay1e-4) scheduler torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max20) loss_fn torch.nn.CrossEntropyLoss() for epoch in range(epochs): model.train() train_loss 0.0 for images, labels in train_loader: images, labels images.to(device), labels.to(device) optimizer.zero_grad() logits model(images) if isinstance(logits, tuple): logits logits[0] loss loss_fn(logits, labels) loss.backward() optimizer.step() train_loss loss.item() scheduler.step()评估阶段要输出的指标不仅仅是准确率。皮肤癌分类里各类样本数量差异大只看准确率会被多数类带偏。我至少会画混淆矩阵、算每一类的精确率、召回率和 F1再画 ROC 曲线和 AUC。这些结果既能放在论文里论证模型可靠也能帮你自己分析模型到底把哪两类混淆得最严重。3.4 推理接口与前端演示实现训练好模型之后系统实现环节才开始真正发力。最简单的做法是用 Flask 写一个接口接收上传图片预处理之后丢给模型返回类别和置信度。更进一步用 Gradio甚至不需要写前端页面几行代码就能生成一个可以上传图片、显示结果和置信度的交互界面答辩时太好用了。用 Gradio 的示例import gradio as gr import torch from torchvision import transforms from PIL import Image model.eval() classes [类0, 类1, 类2, 类3, 类4, 类5, 类6] def predict(image): image transform(image).unsqueeze(0).to(device) with torch.no_grad(): logits model(image) prob torch.softmax(logits, dim1) idx torch.argmax(prob, dim1).item() return classes[idx], float(prob[0][idx]) gr.Interface(fnpredict, inputsgr.Image(typepil), outputs[gr.Label(), gr.Number()]).launch()这个界面的核心是把预处理流程封装进predict函数里。我强烈建议把输入尺寸、归一化参数这些配置统一抽取到一个函数中训练和推理共用避免出现训练时 299×299、推理时 224×224 或者归一化不统一的问题。这类 bug 在毕设里非常常见而且非常难查。如果希望系统更有说服力可以在前端再加 Grad-CAM 热力图显示模型分类时重点关注的区域。Grad-CAM 不需要重新训练模型只需要在推理时对最后一层特征图计算梯度权重然后生成注意图。它会让你在答辩时非常有底气因为你不仅说了“模型准确率高”还展示了“模型确实在看病变区域”。3.5 关键参数计算与调整心得说说几个参数的直觉。输入尺寸为什么用 299因为预训练模型要求这个尺寸改了输入相当于放弃迁移学习优势。batch size 为什么不能一味调大一是显存限制二是太大容易陷入尖锐极小值泛化反而不一定好但太小也容易震荡。实际折中方案如果在 6GB 显存上跑batch size 32 比较保险如果 OOM就降到 16 并用梯度累积模拟更大 batch。学习率这一块我支持用余弦退火或者 ReduceLROnPlateau。皮肤癌分类任务数据量不大训练很容易出现过拟合与其死磕学习率不如把 early stopping 做扎实。当验证集指标连续若干轮不再提升就保存最优 checkpoint 并停止训练这能避免浪费大量训练时间。这里还要注意一个细节保存模型时不要只存权重最好把类别映射表也用一个 JSON 文件存下来。训练时模型输出的是数字标签比如数字 2 对应哪一类推理时需要把数字映射回去。如果不保存映射表换一个环境后就会完全对不上。4. 常见问题和排查技巧实录4.1 类别不平衡少数类几乎学不动怎么办皮肤癌数据集中某些病变类型样本很少模型很容易变成“什么图都猜多数类”。现象是准确率看起来还行但少数类召回率奇低混淆矩阵里某一列全是 0。对策有三个层次。最基本的是在损失函数或采样上做文章可以给少数类更高的权重也可以使用WeightedRandomSampler让每个 batch 里少数类出现的概率更高。再进一步是用 Focal Loss让模型把注意力集中在难以分类的样本上。最后如果某类样本确实太少可以收集额外补充样本或做更强的数据增强。实操经验是先用类别权重快速验证训练流程是通的再决定要不要上更复杂的策略别一开始就陷入调参。4.2 过拟合训练 loss 往下掉验证 loss 开始反弹医学图像数据集普遍小又用预训练模型微调过拟合非常常见。模型在训练集上越来越“自信”但在没见过的验证集上开始犯糊涂。如果你发现验证 loss 在 epoch 5 以后持续反弹训练 loss 还在下降多半就是过拟合了。解决顺序我会这么排先增加数据增强强度再降低全模型微调的范围还可以提高 dropout 或 weight decay。最直接也最有效的一招是早停保存验证集指标最好的那一个 checkpoint而不是最后一个 checkpoint。很多同学答辩展示的效果大打折扣就是因为用了一个已经过拟合的尾部模型。4.3 GPU 显存不够老显卡跑不动大模型Inception-ResNet-v2 在 299×299 输入下确实比较吃显存。如果显存 4GB 以内建议直接换 Inception-ResNet-v1效果差距不大但显存占用低不少。如果只有 6GB 左右把 batch size 调到 8 或 16再加上混合精度训练可以用更少的显存跑更大的 batch。还有一个技巧是训练时及时释放中间变量或者用.item()取出 loss 而不是保留张量。显存不够不一定是模型太大有时只是训练循环里代码写得不够干净导致某一步的中间张量一直被占着。4.4 训练环境和推理环境不一致导致的“玄学错误”模型在一台电脑上训练换台电脑推理结果突然变差甚至报错这类问题非常多。最常见的三个原因预处理不一致、类别映射不一致、设备不一致。推理时不加torch.no_grad()可能会显存溢出忘记.to(device)可能会导致设备 mismatch把图片缩放到错误尺寸更会导致输入维度对不上。我的建议是做一个端到端的冒烟测试拿一张训练集图片从模型加载到输出类别走一遍完整推理流程确认输出和训练时手动预测的结果一致。这个测试特别简单但能很早就暴露出预处理写错、映射表对不上、权重路径错误这类问题。4.5 模型“觉得很准”但你没法解释怎么办皮肤癌分类领域单纯一个准确率数字很难说服评审老师。这里我特别推荐做可解释性可视化Grad-CAM 是最常用的。原理不复杂对最后一层卷积特征图求类别得分的梯度用梯度权重对特征图做加权求和然后归一化得到热力图。热力越高的区域表示模型越“注意”那里。在一张皮肤镜图像上如果 Grad-CAM 热力图基本落在病变区域的边缘和内部纹理上那说明模型确实在学习病变特征而不是在学背景里的标尺、皮肤纹理之类的干扰因素。如果热力图乱飘说明模型可能学到了一些不合理的捷径这时候需要检查数据有没有清理干净、有没有把训练集里某些不该出现的干扰特征当成标签。这就是为什么在系统里我选择加一个“查看热力图”的按钮而不是只显示一个类别结果。因为你光说“我的模型准”是没用的把模型关注的位置直接画给老师看比任何文字解释都有效。5. 给打算拿这个题目做毕设的人几点建议如果让我重新把这个题目做一遍我会把时间分配得更合理一些。数据准备和预处理大概占两成模型搭建和训练占五成系统封装和可视化占三成。很多人前五成花得太少后面系统封装时会发现拿不出可靠模型整个演示效果都会垮掉。训练过程中一定要养成记录实验日志的习惯。每次跑模型哪怕只是改了学习率都记一下数据和结论。答辩时老师问“你做过什么实验对比”你能直接拿出实验表格比你临场背参数有力得多。这个习惯不仅在毕设有用以后工作做实验同样受用。最后关于项目边界。皮肤癌分类是一个辅助诊断的机器学习演示系统它不是临床工具也不可能替代医生诊断。在写报告和答辩时一定要明确这个界限把项目定位在“算法研究与系统演示”上别轻易使用诊断、确诊这类表述这不是保守而是做医学相关项目本来就应该有的严谨态度。这个题目做到最后比较有意思的部分不是网络结构本身而是你怎么把结构、数据和系统串联成一个能讲清楚的故事。真把这条路走通之后你会发现后面再遇到其他图像分类项目思路都是一样的。