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