图像分类实战：基于ResNet实现猫狗识别

图像分类实战：基于 ResNet 实现猫狗识别（含完整 PyTorch 代码）

图像分类是计算机视觉中最基础也是最经典的任务之一。今天我们将带你实战体验如何使用 PyTorch 和 ResNet 构建一个猫狗识别系统。从数据预处理、模型构建、训练调优到模型保存和预测，每一步都细致讲解，带你快速上手！

---

一、任务目标

• 使用 Kaggle 猫狗数据集进行图像分类；
• 构建基于 ResNet18 的分类模型；
• 实现完整训练与验证流程；
• 进行单张图片预测；
• 可视化训练结果与模型效果。

---

️ 二、准备数据集（Kaggle 猫狗数据集）

你可以从 Kaggle 下载经典的猫狗数据集（Dogs vs. Cats）：

链接：https://www.kaggle.com/c/dogs-vs-cats/data

将数据集解压后，按如下方式组织数据：

dataset/
├── train/
│   ├── cat.0.jpg
│   ├── dog.0.jpg
│   └── ...
├── val/
│   ├──