Tensorflow图像分类器retrain过程

0x00 运行环境

首先安装anaconda和tensorflow_gpu环境, 网上有教程，不多赘述。装完之后好像tensorflow_gpu会在anaconda下创建一个虚拟环境。

然后将Tensorflow图像分类器项目克隆到本地，项目地址(https://github.com/akshaypai/tfClassifier)
具体步骤，打开命令提示符，输入命令
git clone https://github.com/akshaypai/tfClassifier

注意：此时的路径就是你clone项目之后项目的保存路径，比如我的是在D盘。命令行下载可能会失败，也可以在项目主页上点击下载

数据集
从网上找了一个数据集，地址 http://www.sykv.com/m/view.php?aid=15258


有五种花，每种800张左右。

设置图像文件夹，新建一个父文件夹，名称为flowers，在该文件夹下新建5个子文件夹，分别对应五种花的名字，将五种花的图片放到对应的文件夹下，由于数据集提供者已经建好，这里只用改一下文件夹的名称即可

0x01 训练过程

打开anaconda命令行

将环境切换到tensorflow_gpu下

将路径切换到GitHub项目下载的地方，存有retrain.py文件的路径下，该文件用来重新训练模型


原始代码有部分是tensorflow 1.0时的函数，现在的tensorflow有所改动，具体为将retrain.py文件下第750行及其后一句中的tf.train.SummaryWriter改为tf.summary.FileWriter

改完之后执行代码

python retrain.py --model_dir D:\tfClassifier-master\image_classification\inception --image_dir F:\Download\flowers --output_graph D:\tfClassifier-master\image_classification\output.pb --output_labels D:\tfClassifier-master\image_classification\labels.txt --how_many_training_steps 500

这是我的路径，可以根据自己的路径修改

上图只给了部分参数，实际上还有其他参数，注意output_graph和output_labels要具体到文件，否则会报错，具体参见( https://stackoverflow.com/questions/45076911/tensorflow-failed-to-create-a-newwriteablefile-when-retraining-inception )，这个网址里也有关于预训练更多的参数

执行命令行

首先会生成label文件，由于我没有指定路径

即这里面的battleneck路径，文件生成在D盘根目录下，分类器项目我放在D盘

建议这里还是指定一下battleneck的路径

生成了tmp文件夹，其中bottleneck是五种花的标签（label）文件，下面是日志文件

生成完之后开始训练，按照之前的设置迭代500次

最终准确率84.4%

0x02 测试retrain的模型

具体命令为

这里可以参考项目上给出的链接 https://sourcedexter.com/retrain-tensorflow-inception-model/

测试准确率为94.9%，搞定！

参考
[1] https://zhuanlan.zhihu.com/p/28223165
[2] https://suiwo.xyz/2017/11/08/TensorFlow不同版本引起的错误/
[3] https://sourcedexter.com/retrain-tensorflow-inception-model/
[4] https://stackoverflow.com/questions/45076911/tensorflow-failed-to-create-a-newwriteablefile-when-retraining-inception