tensorflow resnet50 入门 测试 演示 新手 完整教程
这是一个包含环境搭建的完整测试教程,目标读者是从未接触过这些的新手。没有模型训练过程,只是使用的别人训练好的模型。
1. 代码准备:https://github.com/fchollet/deep-learning-models 国内镜像: https://gitee.com/xunaijie/deep-learning-models
resnet50使用的是:resnet50.py 这个demo。git clone代码的方法默认你已经学会。
2. python环境。用anaconda搭建
安装anaconda后,新建一个环境:python3.6+keras 2.2.0 +pillow7.0.0,其他组合 resnet50.py 可能运行提示各种毛病,不要在环境配置方面节外生枝,浪费时间
上图是安装keras后的样子,未安装前,应该选左上角选no installed,然后搜索keras,在勾选框右键,选择2.2.0版本,apply。安装keras会自动安装匹配版本的tensorflow
同样方法安装pillow 7.0.0
如此环境就行了。
3. 代码修改:
252行也建议这么改:避免下载慢,等很久
resnet50_weights_tf_dim_ordering_tf_kernels.h5这个文件的下载地址在37行:
resnet50.py 代码287行有:
这就是输入图片,自己到网上随便下载一个即可,放到运行resnet50.py 同目录(文件相对寻址)
然后就可以运行 resnet50.py 结果一般最后打印这个:
Input image shape: (1, 224, 224, 3)
Predicted: [[('n02504458', 'African_elephant', 0.787814), ('n01871265', 'tusker', 0.15203227), ('n02504013', 'Indian_elephant', 0.05252126), ('n02408429', 'water_buffalo', 0.0012414436), ('n02412080', 'ram', 0.0010174444)]]
这个预测结果实际上是比对了这个文件:C:\Users\k1\.keras\models\imagenet_class_index.json 然后解析的。keras下载的东西都在这个文件夹 C:\Users\k1\.keras
conda运行python的方法有很多,首页的powershell和vscode都可以试试