MobileNet训练分类网

burning_keyboard

于 2017-08-26 18:43:46 发布

阅读量3.9k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：神经网络基础

本文链接：https://blog.youkuaiyun.com/burning_keyboard/article/details/77605438

本文介绍了如何利用TensorFlow训练MobileNet模型进行图像分类。首先，你需要安装TensorFlow并验证安装。接着，理解数据集的文件结构。然后，使用`retrain.py`脚本设置训练参数并开始训练，可以选择不同版本的MobileNet和调整网络复杂度。最后，使用`label_image.py`或`detect.py`进行图像检测，确保脚本参数与训练时的Mobilenet版本一致，并进行图像像素值的归一化处理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

MobileNet训练分类网

1.环境准备

安装tensorflow：

pip install tensorflow

验证安装成功：

python
import tensorflow as tf
tf.__version__

把 tensorflow/examples/git clone下来

2.数据集文件结构

数据

../example/image_retraining/ :
--dataset
--class1
  --image1.jpg
  --image2.jpg
  ...
--class2
  --image1.jpg
  ...
...

标签
```
../label.txt :
class1
class2
...
```

3.训练脚本

../example/image_retraining/retrain.py 的主函数中有各项训练参数的设置，训练命令例如：

python retrain.py \
  --image_dir /home/wz/TensorFlow/tensorflow/tensorflow/examples/image_retraining/dataset \
  --intermediate_store_frequency 1000 \
  --how_many_training_steps 50000 \
  --learning_rate 0.001 \
  --train_batch_size 8 \ 
  --testing_percentage 0 \
  --eval_step_interval 20 \
  --architecture mobilenet_1.0_224 \
  --output_graph  /home/wz/TensorFlow/tensorflow/tensorflow/examples/image_retraining/tmp/output_graph.pb \
  -