18、高级多媒体编程：TensorFlow 中的关键技术与应用

高级多媒体编程：TensorFlow 中的关键技术与应用

1. 基于 Inception V3 的花卉分类模型训练

在进行花卉分类任务时，我们可以利用预训练的 Inception V3 模型。具体步骤如下：
- 加载预训练模型 ：脚本会加载预训练的 Inception V3 模型，移除原有的最终层。
- 训练新模型 ：在我们提供的花卉照片上训练一个新的模型。虽然 Inception V3 网络最初并非在这些花卉种类上进行训练，但它能区分 1000 个不同类别的信息，对于区分其他对象同样有用。我们将这些信息作为最终分类层的输入，以区分不同的花卉类别。

瓶颈（Bottlenecks）

在训练过程中，“瓶颈”是一个重要概念。为了得到重新训练的模型，首先要分析我们提供的所有图像，并计算每个图像的瓶颈值。
- 定义 ：“瓶颈”是 TensorFlow 中用于指代实际负责分类的最终层之前的那一层。
- 作用 ：训练集中的任何图像在训练过程中会多次使用，计算瓶颈层后面的层对于每个图像都需要花费大量时间。通过将这些较低层的输出缓存到磁盘上，可以避免浪费大量时间。默认情况下，瓶颈值存储在 /tmp/bottleneck 目录中。

使用重新训练的模型

重新训练脚本会将最终层重新训练以适应我们的花卉数据集的 Inception V3 网络版本输出到 tensorflow_files/output_graph.pb ，同时会