计算机视觉（3）：用inception-v3模型重新训练自己的数据模型

阅读目录

背景：
inception模型文件目录介绍：
数据准备完成之后，按以下步骤执行：

用inception-v3重新训练自己的数据模型

背景：

现代的图像识别模型具有数以百万计的参数，从头开始训练（Train from scratch）需要大量的样本数据以及消耗巨大的计算资源（几百个GPU），因此采用迁移学习的方式重训一个模型（Retrain a model）对于学习模型的成本较低，利用Inception-V3作为已经训练好的模型，来实现自己的图像分类识别。

inception模型文件目录介绍：

data目录：需要训练的数据放在该目录： inception_model：把下载inception模型放在该目录下：

test_images：把训练完成之后，测试图片所放目录

数据准备完成之后，按以下步骤执行：

步骤1：

windows:

运行批处理文件retrain.bat

python retrain.py ^
--bottleneck_dir bottleneck ^      #自行生成每个训练图片的数据
--how_many_training_steps 200 ^ #步数
--model_dir inception_model ^    #模型
--output_graph output_graph.pb ^ #训练后输出模型
--output_labels output_labels.txt ^ #训练后输出label
--image_dir data
pause

Ubuntu:

运行批处理文件retrain.sh

步骤2：

训练完成后，测试如下

Python predict.py

测试结果如下：