用inception-v3重新訓練自己的資料模型
背景：
現代的影像識別模型具有數以百萬計的引數，從頭開始訓練（Train from scratch）需要大量的樣本資料以及消耗巨大的計算資源（幾百個GPU），因此采用遷移學習的方式重訓一個模型（Retrain a model）對于學習模型的成本較低，利用Inception-V3作為已經訓練好的模型，來實作自己的影像分類識別，inception模型檔案目錄介紹：
data目錄：需要訓練的資料放在該目錄： inception_model：把下載inception模型放在該目錄下：
test_images：把訓練完成之后，測驗圖片所放目錄
資料準備完成之后，按以下步驟執行：
步驟1：
windows:
運行批處理檔案retrain.bat
python retrain.py ^ --bottleneck_dir bottleneck ^ #自行生成每個訓練圖片的資料 --how_many_training_steps 200 ^ #步數 --model_dir inception_model ^ #模型 --output_graph output_graph.pb ^ #訓練后輸出模型 --output_labels output_labels.txt ^ #訓練后輸出label --image_dir data pause
Ubuntu:
運行批處理檔案retrain.sh
步驟2：
訓練完成后，測驗如下
Python predict.py
測驗結果如下：
結論：如果測驗物體不相似，識別率很高，但是如果物體形狀相似，識別率則不高
原始碼：https://pan.baidu.com/s/1qdRmnQsRv5k3QesZxRC9QA 提取碼：jipt
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/166987.html
標籤：Python
上一篇：pip安裝庫慢問題解決方法