机器学习图像识别入门：我第一次训练识别猫狗

19:42，周三晚上，我合上写了一半的机器学习ai图像识别笔记，决定干点别的。起因是下午有个运营小姑娘问我："训练一个能认猫认狗的东西，最快要多久？"我脱口而出"一个月"——按传统路线，装环境、学Python、啃numpy，一个月不算夸张。说完我就后悔了，因为我想起谷歌有个叫Teachable Machine的工具，号称浏览器里就能训模型。

号称。我得亲自试试。

于是有了这篇流水账。从打开网页到模型能用，实际耗时11分钟，机器学习ai图像识别的门槛比我记忆里的低了不止一个量级。下面按时间顺序记录全过程，包括两次翻车，以及后来不满足于此、走向真代码的岔路口。你今晚就可以照着做一遍。

准备工作：机器学习ai图像识别入门的最低配置

原子答案：一台能开Chrome的电脑、五十张猫图、五十张狗图，没了。不装任何软件，不要显卡，网速过得去就行。图片可以自己攒，也可以用公开数据集先跑通流程。

图片我是自己攒的：手机相册翻出家里猫的三十多张，找朋友要狗图二十来张，又从Kaggle公开的猫狗数据集里各补了些凑数。这里给个良心建议：第一遍跑通用杂图没问题，但如果想认真测准确率，用Kaggle那套经典猫狗数据集，一万多张、标注干净，Kaggle平台注册就能下。

工具本身在谷歌的Teachable Machine页面，Teachable Machine官网，选"图像项目"进入，界面就三个块：样本区、训练按钮、预览区。第一次打开我愣了十秒——就这？就这。

11分钟流水账：从白板到能用的分类器

原子答案：全过程四步——建两个类别、分别上传猫图狗图、点训练、在预览区实测。真正花时间的不是训练，是等图片上传。模型效果取决于图片质量和数量，五十张起步，越多越稳。

逐段还原。19:47建项目，类别改名"猫""狗"。19:49开始传图，这步最磨人，八十张图传了四分钟多，网慢的读者建议喝口水。19:54点"训练模型"。页面提示别切标签页——我偏切了去回消息，回来发现暂停了。老实待着，训练用了大约70秒。

19:56，预览区开着摄像头，我把家里那只英短抱到镜头前。屏幕跳出：猫，置信度98%。

那一下挺奇妙的。

不夸张地说，比后来我第一次用PyTorch跑通MNIST还激动。因为它当场、实时、对着我家猫。机器学习的"从数据学规律"这句话，八分钟内在我眼前从课本变成了现实。顺带说，如果你还没搞清机器学习到底在学什么，这篇体验本身就是最好的注解，配合AI的学习白话版食用更佳。

两次翻车：模型教会我的事

原子答案：第一次翻车，白猫被认成狗，因为我的狗图里白底居多，模型学歪了背景；第二次翻车，动态模糊的猫全程识别为狗，训练数据全是清晰静态图。两次都指向同一个根因：模型学的是数据里的规律，包括你没想到的干扰规律。

翻车一细节。我家猫是纯白英短，第一版模型对它置信度只有55%左右，偶尔还判成狗。我排查数据发现问题很损：朋友给的狗图大多在浅色地板上拍的，我的猫图背景杂。模型偷懒学了个"浅背景=狗"的伪规律。修复办法土但有效：狗图里补了一批深色背景的，重新训练，白猫置信度回到90%以上。

翻车二更有教育意义。我拿着手机边逗猫边测，画面一糊，判定立刻翻车成狗。因为训练集全是清晰照片，模型没见过糊的猫。这事当时让我乐了半天，细想冷汗直流——工业界图像识别的很多事故，根子都是训练数据没覆盖真实场景。产品页那些"识别率99%"的宣传数字，测试集和真实世界之间隔着无数只糊掉的猫。数据集从哪找、怎么挑，我后来整理过一份常用数据集清单，避坑心得都在。

不满足之后：从玩具到真模型的三级台阶

原子答案：第一级Teachable Machine建直觉，第二级用代码框架在真数据集上复现同样的猫狗任务，第三级换更难的数据和自己的数据。每级停留两三周，节奏比一口气报班健康得多。

说说我自己怎么爬的。第一级那个周末我又训了三个模型：认杯子、认手写便签、认我妈做的三种馅的包子（包子那组数据最难攒）。每次十分钟，每次都在加深"数据决定模型"的体感。

第二级是绕不开的坎：Teachable Machine导出的模型有天花板，想自定义网络结构、用两万五千张图的完整猫狗集，就得写代码。我是从把TM的同一任务用PyTorch重做一遍开始的，有玩具版的直觉打底，看教程的接受速度快了不止一档。这一级的完整经历写在深度学习第一个小项目里，环境配置的坑也记了。第三级我现在待着，拿自己的数据训业务模型，硬件需求跟着涨，两台机器的实测对比见老笔记本和台式机的跑分记录。

台阶式爬还有个隐藏好处：每一级都验证一次你是不是真喜欢这事。直接空降第三级的人，弃坑率我身边目测超过一半。想先评估兴趣再投入的，可以顺着学AI前想清楚的5件事过一遍，里面对时间成本的估算都来自我这种真实样本。

几个常被追问的小问题，顺手答在这里。

手机能不能玩Teachable Machine？能，我拿iPad试过，传图训练都正常，就是摄像头调用偶尔闹脾气。训练完的模型能导出吗？能，TM支持导出成网页可用的格式，我做过后续想挂到自己小项目里，十来行代码的事。离线能用吗？不行，它在云端训练，没网就歇菜，这也是它和本地装框架的本质区别之一。

再往外延伸一步，图像识别在行业里已经跑到哪了：农业上用病害照片训练识别模型帮农户初筛，我拿公开病害照片复刻过一次，过程记录在农业AI图像识别的实测。你看，入门玩具和产业应用之间，其实就隔着"数据规模"和"工程化"这两级台阶，没有想象中那道天堑。

常见问题

零基础真的能11分钟训出识别模型吗？

能，但别误会，你训的是别人搭好的网络在调参数，不是从零造模型。这就像先学开车再学发动机原理，顺序没错，但别把会开车当成懂机械。

Teachable Machine训的模型能商用吗？

不建议。它的模型结构简单、规模小，精度天花板明显，更适合学习和小玩具。商用场景请走正规训练管线，数据授权、模型评估、隐私合规一样都省不了。

多少张图片开始效果比较稳？

我的实测：每个类别50张起步能用，150张左右明显变稳，过300张在TM这个量级收益开始递减。类别之间数量要平衡，一方图特别少，模型会偏心，这和翻车一的白猫是同一类病。

从19:42合上笔记，到19:56摄像头前那声"98%猫"，机器学习ai图像识别给我的第一课不是任何算法，而是一个朴素的确认：这件事我能学会，而且学起来挺好玩的。

把这篇转给那个总说"我想学AI但怕太难"的朋友，让他今晚花11分钟试一次，成不成，他自己会有答案。