这门课程以“材料 SEM 图像 10 分类”为实战项目，带你走完从模型训练、评估到 Web 应用与 Docker 部署的完整闭环。课程首先使用 PyTorch 和 ResNet18 迁移学习，完成数据预处理、DataLoader 构建、训练循环、验证集选优与最佳模型保存；随后复用模型进行单张预测和批量测试，借助混淆矩阵、准确率、精确率、召回率与 F1 分数全面评估效果；最后通过 Flask 搭建图片上传与预测页面，并用 Dockerfile 容器化部署，让模型真正成为可访问的服务。适合有 Python/PyTorch 基础、希望掌握图像分类项目落地流程的学生、开发者和算法初学者。学完后，你将理解 train/eval、no_grad、batch 维度、模型微调等关键细节，具备独立完成“训练—评估—应用—部署”端到端项目的能力，也能为简历和实际业务增加一个完整可展示的机器学习作品。