项目三 独立的图像识别模型（一）

1 微调的概念

    以常见的VGG16作为例子，我们采用VGG16在ImageNet上已经训练好的网络参数作为初始值，并只根据需要来重新训练所有参数或是部分参数。而微调主要有以下几种情况：

    1.只训练最后一个全连接层与倒数第二个全连接层之间的参数，即保留绝大部分参数，适用于拥有图片较小的情况

    2.训练所有参数，即使用网络思想不使用数据，适用于数据量较大

    3.训练深层参数，即训练卷积层3、4、5，全连接层6、7、8。这也是最常见的形式

2 在tensorflow中进行微调

    我们使用提供的图片，并将他们转换为tfrecord模式

    我们使用命令 python data_convert.py -t data_prepare/pic/ --train-shards 2 --validation-shards 2 --num-threads 2 --dataset-name satellite

    这里是生成训练用的数据及文本文档

    在生成的过程中，发现书中提供代码中出现几处错误，主要体现在：

    1.无法导入tfrecord.py，解决方法为将tfrecord和data_convert放在主目录下，并将pic/改为data_prepare/pic/

    2.报错'range' object does not support item assignment，在tfrecord中339行更改为

shuffled_index = list(range(len(filenames)))

    3.报错'gbk' codec can't decode byte 0xff in position 0: illegal multibyte sequence，在tfrecord中160行更改为

with open(filename, 'rb') as f:

    4.报错'RGB' has type <class 'str'>, but expected one of: ((<class 'bytes'>,),)，在tfrecord中94 96行改为：

colorspace = b'RGB'
channels = 3
image_format = b'JPEG'

    5.报错'urban' has type <class 'str'>, but expected one of: ((<class 'bytes'>,),)和

       报错'76000_99449_18.jpg' has type <class 'str'>, but expected one of: ((<class 'bytes'>,),)

       将tfrecord中219行左右处添加

text = text.encode()
filename = filename.encode()

    6.报错File "F:\python\各种练习\项目3\tfrecord.py", line 146, in _is_png
             return '.png' in filename
             TypeError: a bytes-like object is required, not 'str'

       将tfrecord中146行改为：

return b'.png' in filename

    则现在没有任何错误，可以生成预定的两个训练集，两个验证集，一个.txt的类别文件