Ein CNN von Grund auf trainieren

Das Szenario

Datensatz und Trainings-Skript liegen bereit. Deine Aufgabe: Trainiere ein Modell, das entscheidet „Pizza oder nicht Pizza?“

Was ist ein CNN?

Ein Convolutional Neural Network (CNN) verarbeitet Bilder mithilfe von Filtern, die visuelle Muster erkennen. Warum ein CNN und kein LLM für Bilder? Bilder haben eine räumliche Struktur — Pixelraster mit Nachbarschaftsbeziehungen. CNNs nutzen geteilte Gewichte (Shared Weights), um lokale Muster wie Kanten, Texturen und Formen effizient zu erkennen. Ein LLM arbeitet mit Textsequenzen und hat keinen Begriff von räumlicher Nachbarschaft in einem Pixelraster.

Das Modell: TinyVGG

Ein kleines CNN im VGG-Stil mit folgender Pipeline:

• Conv Block 1: 64 Filter (3×3), erkennt Grundmuster (Kanten, Farben). Pooling 64→32px
• Conv Block 2: 128 Filter, komplexere Merkmale (Käse-Textur, Krustenränder). Pooling 32→16px
• Classifier: Flatten 16×16×128=32768 → 256 Neuronen → 1 Ausgang (0=keine Pizza, 1=Pizza)
• ~8,6M Parameter, komplett von Grund auf trainiert

Input Image (3x64x64)
        |
  [Conv Block 1]  64 filters 3x3, ReLU, MaxPool(2)
        |
  Feature Maps (64x32x32)
        |
  [Conv Block 2]  128 filters 3x3, ReLU, MaxPool(2)
        |
  Feature Maps (128x16x16)
        |
  [Flatten]  128*16*16 = 32768
        |
  [Linear]  32768 -> 256 -> ReLU
        |
  [Linear]  256 -> 1 (sigmoid)
        |
  Output: 0 = not pizza, 1 = pizza

Umgebung prüfen

Öffne das Windows Terminal (PowerShell) und navigiere zum Projektverzeichnis. Aktiviere die virtuelle Umgebung und prüfe, ob alle Abhängigkeiten installiert sind:

cd pizza-ml
.venv\Scripts\activate
python check_environment.py

Testbilder

Es stehen 4 Testbilder bereit:

• pizza_margherita.jpg
• pizza_supreme.jpg
• ice.jpg
• flammkuchen.jpg

Trainieren (10 Epochs, Datensatz v1)

Starte das Training mit 10 Epochs auf dem v1-Datensatz:

python train-pizza-creation.py --data-dir ./data/v1 --epochs 10 --output pizza_tinyvgg_v1_10.pth

Testen (10 Epochs)

Sage für alle 4 Testbilder vorher. Notiere die Ergebnisse und die Konfidenz.

python train-pizza-creation.py --predict test_images/pizza_margherita.jpg --output pizza_tinyvgg_v1_10.pth
python train-pizza-creation.py --predict test_images/pizza_supreme.jpg --output pizza_tinyvgg_v1_10.pth
python train-pizza-creation.py --predict test_images/ice.jpg --output pizza_tinyvgg_v1_10.pth
python train-pizza-creation.py --predict test_images/flammkuchen.jpg --output pizza_tinyvgg_v1_10.pth

Mehr Training (50 Epochs, Datensatz v1)

Vielleicht hilft mehr Training? Trainiere mit 50 Epochs:

python train-pizza-creation.py --data-dir ./data/v1 --epochs 50 --output pizza_tinyvgg_v1_50.pth

Testen (50 Epochs)

Sage für alle 4 Bilder mit dem v1_50-Modell vorher:

python train-pizza-creation.py --predict test_images/pizza_margherita.jpg --output pizza_tinyvgg_v1_50.pth
python train-pizza-creation.py --predict test_images/pizza_supreme.jpg --output pizza_tinyvgg_v1_50.pth
python train-pizza-creation.py --predict test_images/ice.jpg --output pizza_tinyvgg_v1_50.pth
python train-pizza-creation.py --predict test_images/flammkuchen.jpg --output pizza_tinyvgg_v1_50.pth

Was ist schiefgelaufen?

Denke über mögliche Ursachen nach:

• Datenqualität?
• Datenmenge?
• Modell-Architektur?
• Trainingsprozess?
• Input-Pipeline?

Trainingsdaten inspizieren

Durchsuche data/v1/train/pizza/ — findest du verunreinigte Labels? (Nicht-Pizza-Bilder, die als Pizza gekennzeichnet sind)

Trainieren (10 Epochs, Datensatz v2)

Trainiere erneut mit dem v2-Datensatz:

python train-pizza-creation.py --data-dir ./data/v2 --epochs 10 --output pizza_tinyvgg_v2_10.pth

v2-Modell testen (10 Epochs)

Sage für alle 4 Bilder vorher:

python train-pizza-creation.py --predict test_images/pizza_margherita.jpg --output pizza_tinyvgg_v2_10.pth
python train-pizza-creation.py --predict test_images/pizza_supreme.jpg --output pizza_tinyvgg_v2_10.pth
python train-pizza-creation.py --predict test_images/ice.jpg --output pizza_tinyvgg_v2_10.pth
python train-pizza-creation.py --predict test_images/flammkuchen.jpg --output pizza_tinyvgg_v2_10.pth

Datensatz v2 + mehr Training (50 Epochs)

Trainiere den v2-Datensatz mit 50 Epochs:

python train-pizza-creation.py --data-dir ./data/v2 --epochs 50 --output pizza_tinyvgg_v2_50.pth

Bestes Modell testen

Sage für alle 4 Bilder mit dem v2_50-Modell vorher:

python train-pizza-creation.py --predict test_images/pizza_margherita.jpg --output pizza_tinyvgg_v2_50.pth
python train-pizza-creation.py --predict test_images/pizza_supreme.jpg --output pizza_tinyvgg_v2_50.pth
python train-pizza-creation.py --predict test_images/ice.jpg --output pizza_tinyvgg_v2_50.pth
python train-pizza-creation.py --predict test_images/flammkuchen.jpg --output pizza_tinyvgg_v2_50.pth

Alle vier Modelle vergleichen

Trage deine Ergebnisse in die folgende Tabelle ein: