本章学习内容
本章主要学习tensorflow/models/research下的slim库的调用方法。
slim是tensorflow的一个高级API,可以直接利用它实现简单模型的前向调用。
第三章实例的本地部署
按照书上第三章的内容将代码,slim,标签等资源一一下载好放在统一路径下。
这是我的第三章工程目录:
在pycharm下运行AI.py可以得到用pnasnet网络跑出的几张demo图片的预测类别结果。
Debug
// An highlighted blockimport sys #初始化环境变量
nets_path = r'./slim'
if nets_path not in sys.path:
sys.path.insert(0,nets_path)
else:
print('already add slim')
import tensorflow as tf #引入头文件
from PIL import Image
from matplotlib import pyplot as plt
from nets.nasnet import pnasnet
import numpy as np
from datasets import imagenet
slim = tf.contrib.slim
tf.reset_default_graph()
image_size = pnasnet.build_pnasnet_large.default_image_size #获得图片输入尺寸
labels = imagenet.create_readable_names_for_imagenet_labels() #获得数据集标签
print(len(labels),labels) #显示输出标签