利用tensorflow的image_retrain实现再训练和分类识别

参考文档：https://github.com/tensorflow/hub/blob/master/docs/tutorials/image_retraining.md
现代物体识别模型有数以百万计的参数。从零开始训练需要大量的标记训练数据和强大的计算能力（数以百计的GPU小时或更多）。学习迁移是一种技术，非常快捷的使用一个在相关的任务里已训练过的模型中的一部分，在一个新的模型里重用，从新的类的现有的权重进行再训练。在本教程中，我们将重用在ImageNet上训练的强大的图像分类器的特征提取功能，并在顶层简单地训练一个新的分类层。更多信息参见Decaf文章。

虽然它不如一个完整的训练运行，但对于许多应用程序来说，这是出奇的有效，适用于中等数量的训练数据（数以千计，而不是数百万的标记图像），并可以在一个没有GPU的笔记本电脑上运行三十分钟。本教程将向您演示如何在自己的图像上运行示例脚本，并将解释一些您控制训练过程需要的选项。
注：这个版本的一个教程，也可作为一个codelab。

本教程使用tensorflow hub获取预训练模型或模块。首先，将使用图像特征提取模块的 InceptionV3架构在ImageNet上训练，之后继续下面的操作，包括 NASNet/PNASNet，以及 MobileNet V1和V2。

在开始之前，需要安装PIP包tensorflow-hub，紧随新版本的tensorflow就可以。参见TensorFlow Hub的安装说明详情。

pip install "tensorflow>=1.7.0"
pip install tensorflow-hub           #tensorflow_hub-0.1.0

安装TensorFlow-1.7.0过程中遇到的问题：

Stored in directory: /root/.cache/pip/wheels/9a/1f/0e/3cde98113222b853e98fc0a8e9924480a3e25f1b4008cedb4f
Successfully built termcolor gast
cloud-init 0.7.5 requires argparse, which is not installed.
cloud-init 0.7.5 requires oauth, which is not installed.
cloud-init 0.7.5 requires pyserial, which is not installed.
Installing collected packages: markdown, werkzeug, protobuf, tensorboard, enum34, termcolor, funcsigs, pbr, mock, grpcio, astor, gast, tensorflow
  Found existing installation: Markdown 2.4.1
Cannot uninstall 'Markdown'. It is a distutils installed project and thus we canno