使用tensorflow训练模型和测试数据

2017-06-26 本文已影响416人倔犟的贝壳

上篇文章已说明了tensorflow的安装了。所以我们这次直接就可以跳到上述中的步骤4了:训练图片

打开终端。进入到你的虚拟机的目录下。

首先，下载图片测试数据，由google提供的一个5种花的分类数据。

当然，你也可以自己新建数据,这个后续再说，先用现成的测试数据。

curl -O http://download.tensorflow.org/example_images/flower_photos.tgz

下载好之后，为了减少训练时间，我们可以删除一些测试数据：

rm flower_photos/*/[3-9]*

文件目录如下:

每个文件夹中都是一种花的各种图片，即训练数据

接下来，我们就可以开始训练了

首先，下载训练脚本，这是谷歌针对该测试数据的一个训练脚本

curl -O https://raw.githubusercontent.com/tensorflow/tensorflow/r1.1/tensorflow/examples/image_retraining/retrain.py

开始训练:

python retrain.py \

--bottleneck_dir=bottlenecks \

--how_many_training_steps=500 \

--model_dir=inception \

--summaries_dir=training_summaries/basic \

--output_graph=retrained_graph.pb \

--output_labels=retrained_labels.txt \

--image_dir=flower_photos

完成之后在本目录下生成2个训练模型的文件:retrained_graph.pb和retrained_labels.txt

训练完成之后，我们就可以写测试脚本了。测试脚本也可以下载:

curl -L https://goo.gl/3lTKZs > label_image.py

label_image.py内容如下:

测试脚本，使用了retrained_labels.txt 和retrained_graph.pb这两个训练后的结果模型数据

有了测试脚本，就可以用python测试了

python label_image.py 测试图片的路径

e.g.:

python label_image.py flower_photos/daisy/21652746_cc379e0eea_m.jpg

然后会有一个每一种的得分结果显示:

我们要自己训练数据的话。可以自己建个文件夹，然后把要训练的图片分类存好，在训练图片时，把image_dir 指向该文件夹。