Hellcatzm / TransforLearning_TensorFlow

使用预训练好的InceptionV3模型对自己的数据进行分类，用这个代码的同学希望可以给一个star

迁移学习TransforLearning

『TensorFlow』迁移学习

1、相关下载

数据和预训练模型下载：

curl -O http://download.tensorflow.org/example_images/flower_photos.tgz
wget https://storage.googleapis.com/download.tensorflow.org/models/inception_dec_2015.zip

2、项目简介

本项目将使用ImageNet数据集预训练好的InceptionV3网络结构舍弃后面全连接层，使用了新的分类器对花朵数据进行了迁移学习，迁移学习对于这种中等偏小的数据集又为合适。

项目文件

inception_dec_2015：模型存放文件夹，下载后解压模型文件就会生成
flower_photos：文件目录，下面包含各个子类的文件夹，如果使用自己的数据的话，将自己数据各个类别分别放入一个文件夹，文件夹名字是类的字符串名字即可，将这些文件夹放入flower_photos文件夹内即可
TransforLearning.py：主程序，用于训练，不过注意，可训练文件格式应该是jpg（jpeg、JPG等等写法均可）
TransferLearning_reload.py：用于预测，仅能进行单张图片类别预测，需要进入文件中(21行左右)，将image_path修改为自己的图片路径
其他文件夹为程序自己生成，不需要提前新建
文件夹Keras_TransforLearning 和MXnet_TransforLearning 分别展示了使用Keras和MXNet快速进行分类任务的接口调用Demo，由于使用的是高级API，可以极快上手，值得学习

运行命令

首先训练，

python TransforLearning.py

等待训练完成后(不等也行，不过需要保证已经有训练中间生成模型被保存了)，预测一张自己的图片，

python TransferLearning_reload.py

命令很简单，之后就会输出预测信息，如下格式，
第一行表示分类的类别，这里是根据图片文件夹的名字来的，可以看到和之前的项目文件示意图中flower_photos的子文件夹名称一一对应；第二行为分类结果，每一个值和第一行对应位置的类别相对应，比如这个结果就是分类为daisy的概率为0.23