9-1

Posted Josie_chen

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9-1相关的知识,希望对你有一定的参考价值。

如何利用retain来实现对图片分类模型的微调

  1. https://github.com/tensorflow/tensorflow

 

 

下载得到的文件为tensorflow-master.zip,解压该文件,进入:

tensorflow-master/tensorflow/image_retraining文件夹中retrain.py文件

  1. 数据集下载:http://www.robots.ox.ac.uk/~vgg/data/

该网站是英国牛津的科学工程系的VGG(visual Geometry Group)

下载后放到retrain/data/train 中,eg:animal,flower,guitar,house,plane

  1. 进行训练:在训练的时候,对于每张不同图,会出现不同的值,对于相同图片到pool_3的结果都是固定一样的。实际上可以理解为,我们在训练的时候,由于softmax之前的层都是模型训练好的,固定的,无需修改,所以相当于我们的输入就是softmax前一层pool_3输出的相应数值。提前算好,这样大大减少训练的复杂度。
  2. 写一个批处理文件:retrain.bat   可以用notepad++打开

 

 

google把整个模型比作是一个花瓶,最上面为瓶口,bottle_neck,这里指的就是pool_3的位置。在预处理的时候,将训练集中每张图片输入经过训练好的模型在pool_3处输出相应的数值存放到bottleneck文件目录下(在retrain文件夹中提前创建好该文件)

how_many_training_steps表示训练次数

model_dir 用于训练的inception-v3模型的存放目录。(这里打开的是下载模型的压缩文件,因此要放入的文件应该是inception-2015-12-05.tgz)

  • output_graph输出训练好的模型,命名为:output_graph.pb

output_labels 输出训练好的标签output_labels.txt ^

image_dir 输出训练好的标签目录data/train/  注意将下载好的训练集按照所属名称分别归类放入相应的文件夹中。文件名为类别名,全小写英文单词,避免报错。

  1. 执行这个脚本文件:retrain.bat,最终会检测到所有分类,利用GPU进行训练,很快执行。

(1)       bottleneck文件夹:生成每张图片一一对应的一堆txt文件,分别存放到“retrain/bottleneck/类别名”文件夹中。每训练10steps就打印一次训练准确率,200次得到准确率98%以上。

(2)       labels.txt

(3)       output_labels.txt

(4)       output_graph.pb模型文件,之后我们就可以调用该文件来进行训练了。


创建一个images文件夹存放15张图片:animal1-3,flower1-3,guitar1-3,house1-3,plane1-3

利用9-1程序来进行测试集测试,能够成功达到较好效果:正确分类;置信度很高;

原因:1。用于测试的都是5类完全不同的事物,之间的相似度较低

2.inception模型的预处理达到了较好的效果

以上是关于9-1的主要内容,如果未能解决你的问题,请参考以下文章

yyyyMMdd校验正则

正则例三

脚本范例

正则表达式IP地址

JS常用正则表达式

js常用的正则表达式