【tensorflow入门教程二】数据集制作：使用TFRecords制作数据集并使用inceptionv3进行训练

这篇文章中，我们将探讨深度学习中最基本的问题，图像分类中的数据集以及标签的制作；以及使用Inceptionv3网络对其进行训练。

Inception v3结构请戳:Inception v3

PS：文末附博文配套代码以及数据集原图的下载。

先上一张最后的训练结果图：

17flowers数据集

17flowers数据集包含有17种不同的花的图片，每个种类的花都含有80张图片，图片的尺寸不唯一，但是都在500x500左右，所有这些一共组成了1360张图片。该篇博文要做的就是使用tensorflow将其做成tfrecords格式的数据集文件。

制作TFRecords数据集

首先定位到我们的原图片的目录，并使用数组保存所有类别。

cwd = 'D:\py project/tensorflow-tfrecord\jpg\\'
classes = {'daffodil', 'snowdrop', 'lilyvalley', 'bluebell', 'crocus', 'iris', 'tigerlily', 'tulip', 'fritiuary',
           'sunflower', 'daisy', 'coltsfoot', 'dandelion', 'cowslip', 'buttercup', 'windflower', 'pansy'}  # 花为 设定 17 类

这里使用tf.python_io.TFRecordWriter的方式将所有图片数据写入到tfrecords文件。

def createdata():
    filename="flower_train.tfrecords"      #要生成的文件名以及地址，不指定绝对地址的话就是在建立在工程目录下