TensorFlow学习DAY9用已经训练好的模型进行图像识别

下载tensorfow-master

https://github.com/tensorflow/tensorflow

解压到相应目录会发现tensorflow-master\tensorflow\examples\image_retraining并没有想要的retrain.py等文件

在readme.md发现代码已经被转移到了https://github.com/tensorflow/hub/tree/master/examples/image_retraining

下载数据集

先去http://www.robots.ox.ac.uk/~vgg/data/网站下载一些数据集并放入自己的retrain文件夹里

写bat文件

• 第一行写上retrain.py的路径
• ^是没有换行的意思
• bottleneck_dir为瓶颈路径（谷歌把这个inception-v3网络比作一个花瓶，大概是pool_3的位置），把每张图片对应的值保存到bottleneck里
• how_many_training_steps为训练的周期
• model_dir为模型文件路径
• output_graph为输出的训练好的模型到当前目录
• output_labels为输出标签
• image_dir为传进来的需要分类的图片路径（最好不要中文和大写字母）

（多次运行要记得删所在盘符的tmp文件）

retrain.bat文件内容如下：

python C:/Users/Administrator/TensorFlow/tensorflow-master/tensorflow/examples/image_retraining/retrain.py ^
--bottleneck_dir bottleneck ^
--how_many_training_steps 200 ^
--model_dir C:/Users/Administrator/TensorFlow/inception_model/ ^
--output_graph output_graph.pb ^
--output_labels output_labels.txt ^
--image_dir data/train/
pause

点击运行bat文件发现会报错，于是上网查找资料，发现需要打开Anaconda Prompt执行：

默认每十步会打印出训练的结果

运行完之后会发现retrain文件夹里的bottleneck文件夹里的新文件

每一个图片对应一个txt文件

output_labels.txt文件内容：

之后就可以调用output_graph.pb模型文件来对自己的图片做分类。

在网上下载了一些图片放入新建的image文件夹来测试一下模型。

代码如下：

import tensorflow as tf
import os
import numpy as np
import re
from PIL import Image
import matplotlib.pyplot as plt

lines = tf.gfile.GFile('retrain/output_labels.txt').readlines()
uid_to_human = {}
#一行一行读取数据
for uid,line in enumerate(lines) :
    #去掉换行符
    line=line.strip('\n')
    uid_to_human[uid] = line

def id_to_string(node_id):
    if node_id not in uid_to_human:
        return ''
    return uid_to_human[node_id]


#创建一个图来存放google训练好的模型
with tf.gfile.FastGFile('retrain/output_graph.pb', 'rb') as f:
    graph_def = tf.GraphDef()
    graph_def.ParseFromString(f.read())
    tf.import_graph_def(graph_def, name='')


with tf.Session() as sess:
    softmax_tensor = sess.graph.get_tensor_by_name('final_result:0')
    #遍历目录
    for root,dirs,files in os.walk('retrain/image/'):
        for file in files:
            #载入图片
            image_data = tf.gfile.FastGFile(os.path.join(root,file), 'rb').read()
            predictions = sess.run(softmax_tensor,{'DecodeJpeg/contents:0': image_data})#图片格式是jpg格式
            predictions = np.squeeze(predictions)#把结果转为1维数据

            #打印图片路径及名称
            image_path = os.path.join(root,file)
            print(image_path)
            #显示图片
            img=Image.open(image_path)
            plt.imshow(img)
            plt.axis('off')
            plt.show()

            #排序
            top_k = predictions.argsort()[::-1]
            print(top_k)
            for node_id in top_k:     
                #获取分类名称
                human_string = id_to_string(node_id)
                #获取该分类的置信度
                score = predictions[node_id]
                print('%s (score = %.5f)' % (human_string, score))
            print()

运行结果如下：

可见基本都能识别成功。