简介：这份资源面向深度学习入门者与计算机视觉方向的学生和研究者，围绕VggNet与ResNet两种经典卷积神经网络在物体分类识别中的应用展开，提供可运行的Matlab代码实现，帮助读者从理论理解过渡到动手实践。压缩包共包含60012个文件，以60002个png图像数据为主，另有4个m脚本、3个mat权重文件、1个pdf说明文档及fig、jpg等辅助文件，整体约398.58MB，规模较大，适合完整复现训练与测试流程。目前已有759人学习下载。资源重点比较了VggNet逐层加深结构与ResNet残差连接的设计差异，涵盖网络搭建、预训练权重加载、前向与反向传播、参数初始化、正则化与优化器选择等训练策略，并给出物体分类准确率的实验对比。读者可据此掌握两种网络的Matlab实现方法、代码解读思路与迁移学习技巧，为后续目标检测、语义分割等任务打下基础。
1. VggNet 与 ResNet 做物体分类：为什么这两个网络值得放在一起对比
如果你手头有一批物体图片，想用 Matlab 跑一个能落地的分类模型，大概率会卡在同一个问题上：选 VggNet 还是 ResNet？这不是学术层面的“谁更强”，而是工程层面的“谁更适合你现在的数据量、显存和交付时间”。VggNet 结构规整，16 到 19 层全是 3×3 卷积堆叠，特征提取路径清晰，改起来不容易翻车；ResNet 靠残差连接把梯度直接短路传下去，能堆到 50 层甚至 152 层还不退化，预训练模型在 ImageNet 上的迁移效果通常更稳。把这两个网络放在同一套物体分类识别流程里跑一遍，你能直观看到：同样一批图，VggNet 收敛慢但可解释性强，ResNet 收敛快但对输入尺寸和归一化更敏感。这篇笔记就按“数据准备 → 网络加载 → 训练调参 → 避坑排查 → 进阶技巧”的顺序，把 Matlab 代码和参数含义拆开讲，适合正在做图像处理大作业、或者要把分类模型塞进实际检测流程的工程师。
2. 数据准备与两种网络的输入规范：从图片文件夹到可训练的数据存储
2.1 物体分类数据集怎么组织才不报错
Matlab 的imageDatastore对文件夹结构有硬性要求：每个类别一个子文件夹，文件夹名就是标签名。常见做法是建一个根目录，下面按类别分文件夹，比如dataset/apple/、dataset/banana/。图片格式支持 jpg、png、bmp，但不要混入 gif 或带透明通道的 png，否则imread读出来是四通道，后面augmentedImageDatastore会直接报维度不匹配。
% 假设数据集根目录为 dataset，下面有 apple、banana、orange 三个子文件夹 imds = imageDatastore('dataset', ... 'IncludeSubfolders', true, ... 'LabelSource', 'foldernames'); % 查看类别分布，防止某类样本过少导致训练偏斜 labelCount = countEachLabel(imds); disp(labelCount); % 按 7:3 划分训练集和验证集，保证每类比例一致 [imdsTrain, imdsVal] = splitEachLabel(imds, 0.7, 'randomized');这段代码的逻辑是：imageDatastore自动遍历子文件夹并打标签，countEachLabel用来检查类别是否均衡。如果某类只有十几张图，后面要么做数据增强，要么直接合并到相似类。splitEachLabel的第三个参数'randomized'很关键，不加的话默认按文件名顺序切，容易把某一类全切进训练集。
2.2 VggNet 与 ResNet 的输入尺寸差异及预处理
VggNet 在 Matlab 里通常加载vgg16或vgg19，输入层要求 224×224×3。ResNet 的resnet18、resnet50同样接受 224×224，但resnet50对输入归一化更敏感，它用的是 ImageNet 的均值减法，不是简单的 0-1 归一化。Matlab 的augmentedImageDatastore可以统一做尺寸缩放，但归一化方式要跟网络匹配。
% 定义目标尺寸 inputSize = [224 224 3]; % 数据增强：随机翻转、随机缩放、随机旋转 augmenter = imageDataAugmenter( ... 'RandXReflection', true, ... 'RandYReflection', false, ... 'RandScale', [0.9 1.1], ... 'RandRotation', [-15 15]); % 构建增强后的数据存储 augimdsTrain = augmentedImageDatastore(inputSize, imdsTrain, ... 'DataAugmentation', augmenter); augimdsVal = augmentedImageDatastore(inputSize, imdsVal);参数说明：RandXReflection对物体分类通常安全，因为左右翻转不改变类别；RandYReflection要慎用，上下翻转可能把“杯子”变成“倒扣的杯子”，语义变了。RandScale控制在 0.9 到 1.1 之间，模拟拍摄距离变化。RandRotation给 ±15 度，再大就可能把物体转出画面。注意augmentedImageDatastore只做几何变换，不做像素归一化，ResNet 需要的均值减法要在网络内部或训练选项里处理。
提示：如果显存不足，把
inputSize降到 [128 128 3] 能跑，但 VggNet 的全连接层参数量不变，显存瓶颈在最后三层，降输入尺寸救不了多少。
3. 加载预训练模型与迁移学习：VggNet 和 ResNet 的 Matlab 实现
3.1 用vgg16和resnet50替换最后三层
Matlab 的 Deep Learning Toolbox 支持直接加载预训练模型，前提是你已经安装了对应的支持包。加载后不要从头训练，而是把最后三层（全连接、softmax、分类输出）替换成自己的类别数。VggNet 和 ResNet 的层名不同，替换方式也有差异。
% 加载预训练网络 netVgg = vgg16; netRes = resnet50; % 查看最后几层，确认层名 layersVgg = netVgg.Layers; layersRes = netRes.Layers; disp(layersVgg(end-4:end)); disp(layersRes(end-4:end)); % 获取类别数 numClasses = numel(categories(imdsTrain.Labels)); % 替换 VggNet 最后三层 lgraphVgg = layerGraph(netVgg); newLayersVgg = [ fullyConnectedLayer(numClasses, 'Name', 'new_fc', ... 'WeightLearnRateFactor', 10, 'BiasLearnRateFactor', 10) softmaxLayer('Name', 'new_softmax') classificationLayer('Name', 'new_classoutput')]; lgraphVgg = replaceLayer(lgraphVgg, 'fc8', newLayersVgg(1)); lgraphVgg = replaceLayer(lgraphVgg, 'prob', newLayersVgg(2)); lgraphVgg = replaceLayer(lgraphVgg, 'output', newLayersVgg(3)); % 替换 ResNet50 最后三层 lgraphRes = layerGraph(netRes); newLayersRes = [ fullyConnectedLayer(numClasses, 'Name', 'new_fc', ... 'WeightLearnRateFactor', 10, 'BiasLearnRateFactor', 10) softmaxLayer('Name', 'new_softmax') classificationLayer('Name', 'new_classoutput')]; lgraphRes = replaceLayer(lgraphRes, 'fc1000', newLayersRes(1)); lgraphRes = replaceLayer(lgraphRes, 'prob', newLayersRes(2)); lgraphRes = replaceLayer(lgraphRes, 'ClassificationLayer_predictions', newLayersRes(3));逻辑说明：replaceLayer是按层名替换，VggNet 的全连接层叫fc8，ResNet50 的叫fc1000。WeightLearnRateFactor设为 10 是让新加的全连接层学得快一点，因为它是随机初始化的，而前面的卷积层已经预训练好了，学习率要低。这一步如果层名写错，Matlab 会报 “Layer not found”，所以先用disp把最后几层名字打出来确认。
3.2 冻结早期层与微调策略
物体分类数据集通常只有几千张图，直接微调所有层容易过拟合。常见做法是冻结前几个卷积块，只训练后面的层。VggNet 的卷积层按conv1_1到conv5_4命名，ResNet50 按conv1、bn_conv1、res2a_branch1等命名。冻结的方式是把对应层的WeightLearnRateFactor和BiasLearnRateFactor设为 0。
% 冻结 VggNet 前 10 层（对应 conv1 到 conv3 的部分） layersVgg = lgraphVgg.Layers; for i = 1:10 if isprop(layersVgg(i), 'WeightLearnRateFactor') layersVgg(i).WeightLearnRateFactor = 0; layersVgg(i).BiasLearnRateFactor = 0; end end lgraphVgg = layerGraph(layersVgg); % 冻结 ResNet50 的前 20 层 layersRes = lgraphRes.Layers; for i = 1:20 if isprop(layersRes(i), 'WeightLearnRateFactor') layersRes(i).WeightLearnRateFactor = 0; layersRes(i).BiasLearnRateFactor = 0; end end lgraphRes = layerGraph(layersRes);参数说明：冻结层数没有固定标准，一般看数据集大小。5000 张图以下，VggNet 冻到conv4之前，ResNet50 冻到res3之前。如果验证集准确率一直上不去，再解冻一两层试试。注意 ResNet 的 Batch Normalization 层在冻结时也要把WeightLearnRateFactor设 0，否则均值和方差还在更新，等于没冻住。
4. 训练参数设置与两种网络的收敛对比
4.1trainingOptions里必须调的五个参数
Matlab 的trainingOptions参数很多，但物体分类迁移学习真正影响结果的只有五个：InitialLearnRate、MiniBatchSize、MaxEpochs、ValidationFrequency、ExecutionEnvironment。VggNet 和 ResNet 对这五个参数的敏感度不同。
% VggNet 训练选项 optionsVgg = trainingOptions('sgdm', ... 'InitialLearnRate', 1e-4, ... 'MiniBatchSize', 16, ... 'MaxEpochs', 20, ... 'Shuffle', 'every-epoch', ... 'ValidationData', augimdsVal, ... 'ValidationFrequency', 30, ... 'Verbose', false, ... 'Plots', 'training-progress', ... 'ExecutionEnvironment', 'auto'); % ResNet50 训练选项 optionsRes = trainingOptions('sgdm', ... 'InitialLearnRate', 1e-4, ... 'MiniBatchSize', 16, ... 'MaxEpochs', 20, ... 'Shuffle', 'every-epoch', ... 'ValidationData', augimdsVal, ... 'ValidationFrequency', 30, ... 'Verbose', false, ... 'Plots', 'training-progress', ... 'ExecutionEnvironment', 'auto');参数说明：InitialLearnRate用 1e-4 是迁移学习的常用起点，VggNet 可以稍高到 5e-4，ResNet 建议不超过 1e-4，否则残差分支容易震荡。MiniBatchSize设 16 是显存和梯度稳定性的折中，显存够就上 32。MaxEpochs设 20 是因为预训练模型收敛快，超过 30 轮基本过拟合。ValidationFrequency设 30 表示每 30 个迭代验证一次，太小会拖慢训练速度。
4.2 训练过程监控：看损失曲线判断是否翻车
training-progress窗口里重点看两条线：训练损失和验证准确率。VggNet 的损失曲线通常前 5 轮下降明显，之后变缓；ResNet 前 2 轮就能降到很低，但验证准确率可能波动大。如果训练损失一直不降，检查学习率是不是太小；如果验证准确率远低于训练准确率，说明过拟合，要加数据增强或冻结更多层。
% 训练 VggNet netVggTrained = trainNetwork(augimdsTrain, lgraphVgg, optionsVgg); % 训练 ResNet50 netResTrained = trainNetwork(augimdsTrain, lgraphRes, optionsRes); % 在验证集上评估 predVgg = classify(netVggTrained, augimdsVal); predRes = classify(netResTrained, augimdsVal); accVgg = mean(predVgg == imdsVal.Labels); accRes = mean(predRes == imdsVal.Labels); fprintf('VggNet 验证准确率: %.2f%%\n', accVgg * 100); fprintf('ResNet50 验证准确率: %.2f%%\n', accRes * 100);这段代码把两个网络跑完并对比验证准确率。注意classify的输出是 categorical 类型，直接和imdsVal.Labels比较即可。如果 VggNet 准确率比 ResNet 低 5 个点以上，不用惊讶，这是常态；如果低 20 个点，检查 ResNet 的输入归一化是不是没做对。
5. 避坑与排查：物体分类训练中最容易翻车的五个地方
5.1 现象：训练一开始就报 “Out of memory”
原因：MiniBatchSize设太大，或者inputSize没降下来。VggNet 的全连接层fc6有 4096 个神经元，参数量约 1 亿，显存占用比 ResNet50 还高。解决：把MiniBatchSize降到 8，或者用resnet18替代resnet50。如果还是不够，把inputSize改成 [128 128 3]，但 VggNet 的全连接层不会因此变小，所以优先换网络。
5.2 现象：验证准确率一直停在 50% 左右，像随机猜
原因：标签没对上。imageDatastore的LabelSource设成'foldernames'后，标签是文件夹名，但splitEachLabel之后imdsTrain.Labels和imdsVal.Labels的类别顺序可能不一致。解决：在训练前用categories(imdsTrain.Labels)和categories(imdsVal.Labels)对比一下，确保完全一样。如果不一样，用subset重新切。
5.3 现象：ResNet 训练损失出现 NaN
原因：学习率太大，残差连接把梯度放大后导致数值溢出。解决：把InitialLearnRate从 1e-3 降到 1e-4，或者加'GradientThreshold', 1做梯度裁剪。Matlab 的trainingOptions支持GradientThreshold参数，设 1 到 5 之间比较安全。
5.4 现象：VggNet 训练很慢，一个 epoch 要十几分钟
原因：ExecutionEnvironment设成了'cpu'，或者没装 GPU 支持。解决：用gpuDevice检查 GPU 是否可用，然后在trainingOptions里显式设'ExecutionEnvironment', 'gpu'。如果 GPU 显存小于 6GB，VggNet 基本跑不动，换 ResNet18 或降MiniBatchSize。
5.5 现象：验证集准确率比训练集高
原因：数据增强只加在训练集上，验证集是原始图，模型在验证集上反而“看到”了更清晰的样本。解决：这不是 bug，是正常现象，但如果差距超过 10 个点，说明训练集增强太狠，把RandRotation范围缩小到 ±10 度，或者关掉RandScale。
6. 进阶技巧：用混淆矩阵和特征可视化判断模型到底学到了什么
训练完两个网络后，别只看准确率。用混淆矩阵看哪些类别容易混，用activations提取中间层特征做 t-SNE 可视化，能判断模型是学到了物体形状还是背景颜色。Matlab 的confusionchart和tsne函数可以直接用。
% 混淆矩阵 figure; cmVgg = confusionchart(imdsVal.Labels, predVgg); title('VggNet 混淆矩阵'); figure; cmRes = confusionchart(imdsVal.Labels, predRes); title('ResNet50 混淆矩阵'); % 提取 ResNet50 的全局平均池化层特征 layerName = 'avg_pool'; features = activations(netResTrained, augimdsVal, layerName, ... 'OutputAs', 'rows'); % t-SNE 降维可视化 figure; tsneFeatures = tsne(features); gscatter(tsneFeatures(:,1), tsneFeatures(:,2), imdsVal.Labels); title('ResNet50 特征 t-SNE 可视化');逻辑说明：confusionchart的输入是真实标签和预测标签，对角线越深越好。如果某两类互相混，说明它们的视觉特征太接近，要么加更多样本，要么在分类层前加一个注意力模块。activations提取的是avg_pool层的输出，ResNet50 在这一层已经是 2048 维向量，直接做 t-SNE 计算量大，可以先pca降到 50 维再tsne。gscatter按类别着色，如果同一类聚成一团，说明模型学到了区分性特征；如果混在一起，说明特征空间没分开。
注意：
tsne对大数据集很慢，验证集超过 2000 张图时先随机采样 500 张再跑。
我自己的习惯是：每次训完一个分类模型，先看混淆矩阵，再看 t-SNE，最后才看准确率。准确率会骗人，但混淆矩阵和特征分布不会。VggNet 和 ResNet 没有绝对的好坏，只有跟你的数据、显存和交付时间匹配不匹配。如果数据集小、可解释性要求高，VggNet 更稳；如果追求精度、能接受调参成本，ResNet 上限更高。希望帮到你。
本文还有配套的精品资源，点击获取
