基于TensorFlow的运动鞋识别：从数据准备到模型部署实战-代码聚汇网

基于TensorFlow的运动鞋识别：从数据准备到模型部署实战

王若然·2026-08-30·阅读 22 GEO检测（免费）

TensorFlow运动鞋识别图像分类

|难度：普通|阅读约 34 分钟

1. 项目概述与需求分析

1.1 为什么做运动鞋识别

先说个场景。我平时喜欢逛街的时候看鞋，尤其是运动鞋。但问题在于，很多潮流鞋款、联名款、复刻款，光靠肉眼分辨极其困难。有一次我朋友拿着一双鞋问我"这是不是AJ1芝加哥"，我看了半天也没敢确定。后来我想到，这不是一个典型的图像分类问题吗？干脆自己训练一个运动鞋识别模型，用TensorFlow来做。这个项目的核心目标很直接：输入一张运动鞋照片，模型输出这双鞋的型号或类别。考虑到实际使用场景，可能需要识别常见的耐克、阿迪、彪马、New Balance等品牌，甚至具体到AJ1、Air Max、Yeezy这样的型号。

这个项目适合谁？如果你是刚接触计算机视觉的开发者，想用TensorFlow练手，这个项目非常合适。因为运动鞋图像的类别相对固定，背景可以控制，数据采集相对容易（网上素材极多），而且模型的可解释性好——识别对了就是对了，错了也容易找到原因。相比于做那种"猫狗分类"的经典demo，运动鞋识别更有趣味性，也更贴近真实的产品需求。另外，如果你的工作涉及电商、二手交易平台，这类识别模型其实有实实在在的落地价值，比如自动识别商品类目、辅助鉴定真伪等场景。

整个项目我基于TensorFlow 2.x版本实现，结合了迁移学习、数据增强、模型导出等技术点。下面把所有细节拆开讲，从环境搭建到最终推理一条龙，希望能帮你复现出属于自己的运动鞋识别模型。

1.2 技术选型：为什么是TensorFlow

说实话，2024年PyTorch在学术界确实很流行，很多新论文的官方代码都是PyTorch写的。但TensorFlow的优势在于工程化和部署生态成熟。我的项目要求是快速训练、导出模型、然后能在手机或嵌入式设备上跑推理，TensorFlow的TFLite和TF Serving在这一块可以说是无缝衔接。TensorFlow 2.x之后的Eager Execution（动态图模式）让模型调试也变得直观，不再有早期那种"先建图再会话"的割裂感。

另外一个现实原因是，我的数据管道是用tf.data搭建的，训练和部署可以完全在一个框架内闭环。如果你在做一个正经小项目，而不是单纯跑跑别人的demo，TensorFlow的Keras API加上TensorBoard可视化，配合TFRecord数据格式，整个流程非常顺手。PyTorch当然也好，但我不想为了赶学术时髦而增加额外的工作量——工程落地才是这个项目的重点。

这里补充一句，TensorFlow 2.18是目前比较新的稳定版本，安装体验比早期版本好太多，对Python 3.11/3.12的支持也完善了。各位在装环境的时候千万别装1.x的老古董，直接用最新稳定版即可。

需要模型API调用？免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。

2. 环境准备与依赖安装

2.1 TensorFlow 2.18安装细节

安装TensorFlow看起来简单，就是pip install tensorflow一条命令。但如果你对GPU版本有要求，这里有几个坑值得说一说。我项目的训练环境是Windows 11 + NVIDIA RTX 3060，CUDA 12.3，cuDNN 8.9。TensorFlow 2.18版本对应的CUDA和cuDNN版本终于统一到了CUDA 12系列，这比之前2.10那会儿要求CUDA 11.2舒服多了。

注意：TensorFlow 2.18默认安装时会一并安装numpy、keras等依赖。如果你机器上已经装了别的版本的numpy，强烈建议在虚拟环境里装，避免依赖冲突。

我的安装命令（在conda虚拟环境里）：

bash复制conda create -n sneaker_tf python=3.11
conda activate sneaker_tf
pip install tensorflow==2.18
pip install tensorflow-gpu==2.18  # 如果你之前装了CPU版，这一条会提示冲突，需要先卸载

我这里直接用CPU版其实也能跑，因为图像分类的小数据集训练量不大。但如果你的数据集有数万张图，那就老老实实装GPU版。我实测下来，RTX 3060训练一个EfficientNetB0的模型，只需CPU的十分之一时间。

安装后务必验证一下版本和GPU是否可用：

python复制import tensorflow as tf
print(tf.__version__)  # 输出2.18.0
print(tf.config.list_physical_devices('GPU'))  # 查看GPU是否被识别

如果你看到GPU列表为空，大概率是CUDA、cuDNN的版本不匹配，或者是没安装对应的NVIDIA驱动。这一块我在第6章专门讲排查方法。

2.2 目录结构与项目初始化

一个好的项目结构能让你少走弯路。我的目录如下：

code复制sneaker-recognition/
├── data/
│   ├── raw/          # 原始图片，按类别分文件夹
│   ├── processed/    # 预处理后图片，统一尺寸
│   └── tfrecords/    # TFRecord文件
├── models/           # 保存训练好的模型
├── notebooks/        # 实验用的Jupyter笔记本
├── scripts/
│   ├── prepare_data.py   # 数据预处理脚本
│   ├── train.py          # 训练脚本
│   ├── evaluate.py       # 评估脚本
│   └── inference.py      # 推理脚本
├── requirements.txt
└── README.md

好代码的关键在于可复现、可维护。我把数据准备、训练、评估分成独立模块，这样改数据增强策略就不用动训练代码，换模型也容易。

3. 数据准备与预处理

3.1 数据来源与标注策略

运动鞋图片怎么来？我用了两个渠道：

从电商平台公开图片爬取（注意版权和合规问题，这里只是个人学习研究用途）
从已有的开源数据集，比如斯坦福的鞋类数据集、Fashion MNIST这类数据里做扩充

我最终选了8个类别的运动鞋：Nike Air Max 270、Adidas Ultraboost、New Balance 574、Puma Suede、Reebok Classic、Converse Chuck Taylor（严格说不是运动鞋但属于球鞋类）、Vans Old Skool、Yeezy Boost 350V2。每个类别各收集400张图，总共3200张。这个数据量对于迁移学习来说足够入门了。

标注方面，就是按文件夹分好类，文件夹名用英文标识符，比如nike_air_max_270、adidas_ultraboost。用tf.keras.preprocessing.image_dataset_from_directory读取时，它会自动根据子文件夹名生成标签。标签就是0到7的整数索引。

3.2 数据清洗与增强

原始图片千奇百怪：有的带水印，有的背景复杂，有的分辨率极低。我的处理原则：

剔除模糊、严重遮挡、多只鞋同框的图片
统一裁剪为224x224分辨率，这对ImageNet预训练模型的输入尺寸是标准的
归一化到[0,1]区间，即像素值除以255

数据增强我用的是tf.keras自带的预处理层：

python复制data_augmentation = tf.keras.Sequential([
    tf.keras.layers.RandomFlip("horizontal"),
    tf.keras.layers.RandomRotation(0.1),
    tf.keras.layers.RandomZoom(0.1),
    tf.keras.layers.RandomContrast(0.1),
])

增强的目的是防止过拟合。运动鞋图片有一个特点——鞋的朝向相对固定，但角度、光线的变化很大。水平翻转对运动鞋识别有效，因为左右反转并不改变鞋型。但垂直翻转就不要用，因为倒着的鞋看起来很不自然，反而会误导模型。

实操心得：对于运动鞋这类目标，我更推荐在训练阶段做增强，推理阶段不做增强。原因很简单，推理时用户拍的图片可能千奇百怪，但你不能把一张图片翻转成四张来投票吧？当然，如果你需要更精确的预测，可以在推理时做多尺度预测，即把图片缩小放大分别预测再取平均，但这个对嵌入式部署不友好。

训练集、验证集、测试集按照8:1:1划分。由于数据量不大，我没有用TFRecord，直接用image_dataset_from_directory：

python复制train_ds = tf.keras.preprocessing.image_dataset_from_directory(
    'data/processed',
    validation_split=0.2,
    subset='training',
    seed=123,
    image_size=(224, 224),
    batch_size=32,
    label_mode='int'
)

这样索引比较方便，适合快速上手。

4. 模型设计与训练

4.1 从头搭建CNN vs 迁移学习

运动鞋分类是一个相对细粒度的视觉任务，不同鞋款之间的差异可能只在鞋面线条、鞋底纹路、boost颗粒等细节上。用VGG16这种经典结构加上ImageNet预训练权重，效果会比从零训练好得多。我实验过从零开始训练一个简单的LeNet变体，准确率只有78%，跟瞎猜差不多。而用EfficientNetB0做特征提取器，准确率能到93%。

这里我推荐两个迁移学习策略：

把预训练模型当成特征提取器：冻结卷积基，只训练顶层的全连接分类器。适合数据量少、训练时间短的情况。
微调（Fine-tune）：在冻结预训练模型训练几轮后，解冻部分层，用较小的学习率继续训练。适合追求更高准确率的场景。

我的方案是先用策略1跑10个epoch，再解冻最后几层，用策略2微调5个epoch。最终验证准确率能达到96%。这主要是因为ImageNet预训练模型已经掌握了大量底层的纹理、边缘特征，而运动鞋的纹理边缘和自然图像有一定的共性。微调阶段让模型适应鞋子特有的颜色和形状，效果顿时提升。

4.2 搭建模型

我用的是EfficientNetB0，这个模型参数量不大，推理速度快，很适合部署在嵌入式设备上。代码如下：

python复制def build_model(num_classes=8):
    base_model = tf.keras.applications.EfficientNetB0(
        include_top=False,
        weights='imagenet',
        input_shape=(224, 224, 3)
    )
    base_model.trainable = False  # 先冻结

    inputs = tf.keras.Input(shape=(224, 224, 3))
    x = data_augmentation(inputs)  # 增强在模型内部做
    x = tf.keras.applications.efficientnet.preprocess_input(x)
    x = base_model(x, training=False)
    x = tf.keras.layers.GlobalAveragePooling2D()(x)
    x = tf.keras.layers.Dropout(0.2)(x)
    outputs = tf.keras.layers.Dense(num_classes, activation='softmax')(x)
    
    model = tf.keras.Model(inputs, outputs)
    return model

注意几个细节：

preprocess_input 会把像素值从[0,255]映射到[-1,1]，这个和手写归一化等价，但直接调用更标准。
GlobalAveragePooling2D 替代了Flatten加全连接，能够大幅减少参数量，同时防止过拟合。
Dropout(0.2) 是防止全连接层过拟合的经典手段。

4.3 训练参数与优化器选择

训练参数如下：

优化器：Adam，初始学习率0.001，微调阶段降到0.0001
损失函数：SparseCategoricalCrossentropy（因为标签是整数索引）
批次大小：32
Epochs：特征提取阶段10轮，微调阶段5轮
学习率调度：ReduceLROnPlateau，监控验证损失，如果3轮不下降则学习率乘以0.5

这里说一下优化器选择的逻辑。Adam在分类任务上是默认选项，它结合了Momentum和RMSProp的优点，收敛速度快，对学习率不那么敏感。SGD+Momentum也很好，但需要手动调整学习率和动量参数，新手容易调崩。所以建议直接用Adam。

另外，我在训练时加了EarlyStopping：

python复制callbacks = [
    tf.keras.callbacks.EarlyStopping(monitor='val_loss', patience=5, restore_best_weights=True),
    tf.keras.callbacks.ReduceLROnPlateau(monitor='val_loss', factor=0.5, patience=3),
    tf.keras.callbacks.ModelCheckpoint('models/sneaker_model.h5', save_best_only=True)
]

restore_best_weights非常关键。否则如果第8轮出现了过拟合，模型最后保存的权重可能是第10轮的，而不是验证集上最好的那一轮。踩过坑的人都知道，这个参数能救你的模型。

4.4 训练过程解析

我用TensorBoard记录训练曲线。特征提取阶段前3轮准确率就从50%上升到85%左右，说明预训练模型的特征非常有效。验证准确率在91%左右波动，有些过拟合迹象（训练准确率接近100%），这就是需要增强和Dropout的原因。

微调阶段，我解冻了EfficientNetB0的最后20层，统称base_model.trainable = True，但需要配合更小的学习率，否则容易破坏预训练学到的良好的低级特征。微调后验证准确率稳定在96~97%。对于8类运动鞋来说，这个准确率已经够用了。

这里要特别说明，微调阶段不是解冻所有层。设计者的经验是，越靠近输入的层学习到的是边缘、颜色等通用特征，不适合大规模更新。所以我用循环选择解冻范围：

python复制base_model.trainable = True
for layer in base_model.layers[:200]:
    layer.trainable = False

EfficientNetB0一共大概200多层，我只让最后几十层可训练，这样既不会丢失通用特征，又能适应运动鞋的特定细节。

5. 评估、推理与导出

5.1 评估指标的选择

准确率不等于一切。对于8类分类，还要看每一类的精确率、召回率和F1分数。我计算了混淆矩阵，发现最容易混淆的是Adidas Ultraboost和Yeezy Boost 350V2，因为它们都是网面鞋型，鞋底偏厚，从侧上方角度拍确实很像。

用sklearn生成混淆矩阵和分类报告：

python复制from sklearn.metrics import classification_report, confusion_matrix

y_true = ...
y_pred = model.predict(test_ds).argmax(axis=-1)
print(classification_report(y_true, y_pred))

好的消息是，每类平均召回率都在94%以上，这说明模型没有明显的短板。如果你想进一步提高，可以考虑增加这两类容易混淆的图片数量，或者在数据增强中加入色彩抖动，因为实际场景中这两类鞋最明显的差异在颜色和鞋面纹路。

5.2 单图推理与模型导出

训练完成后，我写了推理脚本：

python复制def predict_sneaker(image_path, model_path='models/sneaker_model.h5'):
    model = tf.keras.models.load_model(model_path)
    img = tf.keras.preprocessing.image.load_img(image_path, target_size=(224, 224))
    img_array = tf.keras.preprocessing.image.img_to_array(img)
    img_array = tf.expand_dims(img_array, 0)
    img_array = tf.keras.applications.efficientnet.preprocess_input(img_array)
    
    preds = model.predict(img_array)
    idx = tf.argmax(preds[0]).numpy()
    class_names = list(train_ds.class_names)
    confidence = tf.nn.softmax(preds[0])[idx].numpy()
    return class_names[idx], float(confidence)

这个脚本可以直接在终端运行，也可以封装成Flask的API接口，用户上传图片即可返回预测结果。

导出TFLite模型以便在手机端使用：

python复制converter = tf.lite.TFLiteConverter.from_keras_model(model)
converter.optimizations = [tf.lite.Optimize.DEFAULT]
tflite_model = converter.convert()
with open('models/sneaker_model.tflite', 'wb') as f:
    f.write(tflite_model)

这里使用了默认优化，即量化权重到float16或int8，模型体积会缩小到原来的四分之一，推理速度加快。对于运动鞋识别这种对实时性要求不高的场景，量化的影响可以忽略。

6. 常见问题与排查技巧实录

6.1 TensorFlow安装与GPU问题

问题1：pip install tensorflow 安装后，import时报错找不到某个DLL（Windows）。

原因大多是缺少Visual C++ Redistributable。装了最新的VC++运行库后重启就好了。

问题2：GPU无法使用

检查NVIDIA驱动版本，确认CUDA 12.3与cuDNN 8.9是否已安装，且环境变量里包含路径。Windows下还要把bin目录加入PATH，可能还需要LD_LIBRARY_PATH（Linux）或PATH（Windows）。

问题3：某天突然报Could not create cudnn handle: CUDNN_STATUS_INTERNAL_ERROR

这种通常是显存不足或cuDNN缓存问题。试一下在代码开头加：

python复制gpus = tf.config.list_physical_devices('GPU')
if gpus:
    try:
        tf.config.experimental.set_memory_growth(gpus[0], True)
    except RuntimeError as e:
        print(e)

这样TensorFlow不会一次性占满显存，而是按需分配。

6.2 数据处理相关的问题

图片读取时遇到不可解码的文件，通常是因为某些图片损坏或格式不是标准的JPEG/PNG。我写了一个简单的清理脚本，遍历所有图片，用PIL打开，打不开就删除或记录路径。

python复制from PIL import Image
import os

root = 'data/raw'
invalid = []
for label in os.listdir(root):
    label_path = os.path.join(root, label)
    if not os.path.isdir(label_path):
        continue
    for img_name in os.listdir(label_path):
        img_path = os.path.join(label_path, img_name)
        try:
            with Image.open(img_path) as im:
                im.load()
        except Exception:
            invalid.append(img_path)
print(f'发现 {len(invalid)} 个损坏文件')

数据增强时注意不要用太强的旋转，因为运动鞋的朝向通常固定，旋转角度超过30度会让鞋变得面目全非。建议rotation的范围控制在±15度以内。

6.3 与PyTorch对比的几个坑

我在另一个项目里用PyTorch做类似任务，对比下来，TensorFlow这边有几个独有的坑：

数据管道。TensorFlow的tf.data性能好，但调试起来没有PyTorch的DataLoader直观。打印一个batch的数据，PyTorch可以直接看到张量值，tf.data却要在迭代器里next(iter(ds))，类型转换还要带.numpy()。
模型加载。TensorFlow的.h5文件需要完全一致的模型定义才能加载，所以最好把模型定义和训练逻辑分开。PyTorch的.pth则保存的是OrderedDict，也是依赖模型结构。这一点两者差不多，但TensorFlow的SavedModel格式携带了完整的图结构，部署时更友好。
Keras的Functional API非常直观。在搭建复杂模型时比PyTorch的nn.Module少很多模板代码。但PyTorch的灵活度更高，比如自定义循环、中间层输出等。如果你要频繁做实验探索，PyTorch更顺；如果快速落地，TensorFlow更稳。

6.4 训练过拟合的排查

如果训练准确率持续上升，验证准确率上不去，说明过拟合了。我遇到过几次，典型的处理方案：

增加数据增强的强度，比如加入随机颜色抖动、亮度变化
降低模型复杂度，比如减少Dropout、减少全连接层
增加更多数据，真实数据永远是王道
提前停止，用EarlyStopping在验证loss上升时及时终止

运动鞋图片有一个特点，很多图片背景是纯色（白墙、地板），模型容易学习"背景特征"而不是"鞋的特征"。这种时候建议在预处理时把图片进行裁剪，使鞋占据画面主要部分，或者使用背景替换技术。不过背景替换比较复杂，我暂时用随机裁剪来模拟不同的构图。

7. 项目扩展思路与个人体会

这个运动鞋识别项目做到这里，核心流程已经跑通了。如果你想让项目更有实战价值，可以考虑这几个方向：

第一，把分类任务改成目标检测。比如用TensorFlow Object Detection API或者EfficientDet，检测图片中的鞋并定位其位置。在鞋类电商场景中，用户上传的图片往往包含多个物品，甚至鞋子和人的脚一起出现在画面中。训练一个检测器，先找到鞋的边界框，再做分类，整个系统会更鲁棒。

第二，加入细粒度识别。运动鞋领域，很多人关心的是同一品牌下的不同款式。比如耐克的Air Force 1和Air Jordan 1，外形长得非常像，需要模型关注鞋面、鞋帮、鞋底纹路等细节。这种情况下，可以考虑注意力机制或者对比学习，进一步提高识别精度。

第三，部署到移动端或嵌入式设备。把TFLite模型集成到Android或iOS应用中，用户拍一张照片，立即返回识别结果。这是目前我认为最有趣的扩展方向。

最后分享一下我踩了几次坑之后的感受。做图像分类项目，真正难的地方往往不是模型结构，而是数据。第一次训练时，我为了图省事直接从网上抓了一堆图片，没有清洗，导致模型准确率卡在80%上不去。后来花了一整天清理数据，把模糊的、带水印的、背景杂乱的图片全部过滤掉，准确率立刻提升到95%以上。数据质量决定了模型上限，这句话在这个项目里体现得淋漓尽致。

另外，关于TensorFlow和PyTorch的选型，我的态度很直接：如果你是做学术研究或者经常要复现论文，PyTorch更迎合潮流；但如果你要做产品落地，想把模型快速部署到各类平台，TensorFlow的生态还是有一定优势的。反正技术栈不是终点，能解决问题、能维护、能上线才是重点。运动鞋识别这个项目用TensorFlow走通之后，我对整个图像分类的工程流程已经烂熟于胸，下次再遇到类似的分类任务，基本可以一天之内复现出结果。