迁移学习和Tensorboard

*使用开源的实现方案
*迁移学习（Transfer Learning）
*数据扩充
*Tensorboard使用

一、使用开源的实现方案

二、迁移学习（Transfer Learning）

例子：分类器：

采取的方法：

TensorFlow实现迁移学习：

三、数据扩充

随机裁剪：

彩色转换：

四、 Tensorboard使用
背景
在复杂的问题中，网络往往都是很复杂的。为了方便调试参数以及调整网络结构，我们需要将计算图可视化出来，以便能够更好的进行下一步的决策。Tensorflow提供了一个TensorBoard工具，可以满足上面的需求。
介绍
TensorBoard是一个可视化工具，能够有效地展示Tensorflow在运行过程中的计算图、各种指标随着时间的变化趋势以及训练中使用到的数据信息。可以查看TensorBoard Github ReadMe 详细阅读适应方法

简单的例子：

程序运行结果：

添加命名空间：

程序运行结果：

MNIST应用：


程序运行结果：

TensorBoard 显示的CNN 结构：