CIFAR-10 DEMO代码阅读与理解

Posted aofengdaxia

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了CIFAR-10 DEMO代码阅读与理解相关的知识,希望对你有一定的参考价值。

1、首先打开cifar_train.py 找到最后

if __name__ == '__main__':
	tf.app.run()

这个代码是让所有的参数生效类似

tf.app.flags.DEFINE_string()

2、开始执行main()函数

def main(argv = none):
	cifar10.maybe_download_and_extract()
	if tf.gfile.Exists(FLAGS.train_dir):
		tf.gfile.DeleteRecursively(FLAGS.train_dir)
	tf.gfile.MakeDirs(Flags.train_dir)
	train()

以上代码好理解,就是首先尝试下载cifar10的数据文件,如果培训目录存在,那么删除,创建一个新的培训dir,可以扩展的学习点是:关于tf.gfile的学习 https://blog.csdn.net/pursuit_zhangyu/article/details/80557958

3、研究train()函数

def train():
	with tf.Graph().as_default():
		global_step = tf.train.get_or_create_global_step()
		with tf.device("/cpu:0"):
			images,labels = cifar10.distorted_imputs()
		logits = cifar10.inference(images)
		loss = cifar10.loss(logits,labels)
		train_op = cifar10.train(loss,global_step)
		#此处省略记录信息的类
		with tf.train.MonitoredTrainingSession(
			checkpoint _dir = FLAGS.train_dir,
			hooks=[tf.train.StopAtStepHook(last_step=FLAGS.max_steps]=),tf.train.NanTensorHook(loss),_LoggerHook()],
			config=tf.ConfigProto(log_device_placement=FLAGS.log_device_placement)
		) as mon_sess:
		

以上是关于CIFAR-10 DEMO代码阅读与理解的主要内容,如果未能解决你的问题,请参考以下文章

『MXNet』第七弹_分类器demo示意

如何理解 Cifar10 预测输出?

创建与 cifar-10 数据集格式相同的数据集

小白学习PyTorch教程六基于CIFAR-10 数据集,使用PyTorch 从头开始​​构建图像分类模型

深度学习原理与框架-神经网络-cifar10分类(代码)

如何创建类似于 cifar-10 的数据集 [关闭]