鲜花图像分类识别项目
基于改进 LeNet 卷积神经网络实现鲜花多分类任务，使用花卉公开数据集完成图像归一化、尺寸统一等预处理；采用 PyTorch 搭建网络结构，添加 Dropout 层缓解过拟合，分别实现 CPU 基础训练与 GPU 加速两种运行方案，对比不同批次大小、学习率下模型准确率，最终分类精度达到 92% 以上，输出混淆矩阵可视化分类效果，整理完整实验报告。