【keras实战】用Inceptionv3实现五种花的分类

最新推荐文章于 2024-06-11 14:00:00 发布

云若祯初

最新推荐文章于 2024-06-11 14:00:00 发布

阅读量7.7k

点赞数 8

文章标签： keras inceptionv3 分类

本文链接：https://blog.csdn.net/m0_37935211/article/details/83003554

版权

参考：keras系列︱迁移学习：利用InceptionV3进行fine-tuning及预测、完美案例（五）

一、数据集准备

训练数据花朵图片下载：地址

图片下载好后划分数据集，分为训练集和验证集，训练集每类图片500张，验证集每类图片100张。

这是我数据集的树图：

二、训练模型

环境：Ubuntu,Anaconda2,python2.7,tensorflow,keras

# --coding:utf-8--
import os
import sys
import glob
import argparse
import matplotlib.pyplot as plt

from keras import __version__
from keras.applications.inception_v3 import InceptionV3, preprocess_input
#from keras.applications.inception_v3_matt import InceptionV3, preprocess_input

from keras.models import Model
from keras.layers import Dense, GlobalAveragePooling2D
from keras.preprocessing.image import ImageDataGenerator
from keras.optimizers import SGD

def get_nb_files(directory):
  """Get number of files by searching directory recursively"""
  if not os.path.exists(directory):
    return 0
  cnt = 0
  for r, dirs, files in os.walk(directory):
    for dr in dirs:
      cnt += len(glob.glob(os.path.join(r, dr + "/*")))
  return cnt
#train_num = get_nb_files('/home/pandafish/AnacondaProjects/Inceptionv3/dataset_my/train')  2500
#print(train_num)
#input(