项目总结：基于tensorflow的100类小图的目标分类

任务简介：使用tensorflow==1.14.0框架完成100类小图的目标分类任务

图片形式：图片集以文件夹形式存储，每一个文件夹内都包含有一类图片，共100类图片，每类图片的分辨率不同，图片个数不同，每类图片都以.jpg形式存储；

1(1)中图片

生成训练集与测试集：遍历上述目录提取文件打乱后每类按照7：3的比例划分，生成训练集text文件夹与验证集val文件夹，放在split_image文件夹中；

生成txt文件：遍历训练集与测试集，生成训练text.txt文件与val.txt文件，包括图片地址+空格+分类标签；

数据预处理：对图片进行预处理，得到深度学习模型的输入要求尺寸，并在训练时进行图像增强操作，并进一步得到next_batch与init_op等；

模型：选定模型结构，并复现相关代码

定义一些op：定义超参数，处理模型输出结果等

创建session：运行这些op

遇到的一些问题：

生成的txt文件格式不对：

图片路径可将'\'改为'/'

注意空格位置

可使用写字板进行一些处理：替换等操作

epoch运行时间越来越长：

在session中尽量不包含tf操作，会占用内存，导致时间较慢

学会使用debug：

注意tensor与ndarray的格式切换，feed_dict的要求要注意，我使用的是sess.run()完成的格式转换，应该还有更好的方法，欢迎大佬在评论区告知，不胜感激；

注意get_next()函数在迭代时的位置，每个epoch都需要调用，不能只运行一次，不然会出现只能运行一个epoch的情况；

总结

从入门深度学习以来，这是我第一个实际的深度学习项目，尽管只是一个100类小图的目标分类，但是我的收获很多，比如完整的了解了实现一个目标分类任务的流程，图像的预处理，函数的编写与调用等，各种格式的转换等等，这个任务虽然不难，但其中的曲折也许只有个人能够体会，当最后看到程序能够运行，我想说所有的辛苦都值得等待，之后我会进一步优化这个算法，使它更快更准。

这篇博文字数不多，就当是我这一个月以来的小小总结吧，记录下此时的心情，希望之后更好，代码的话因为我是在公司实习所写，无法分享给大家，大家有什么问题可以在评论区问我或者与大家一起讨论，也欢迎大家可以给我这个刚入门的小白一些指导，在此先谢谢大家！