深度学习二、使用TensorFlow Slim微调经典模型进行图像识别（训练自己的数据集）

基本步骤：

1. 数据准备：将数据集切分为训练节和验证集，并将数据转为tfrecord格式
2. 下载TensorFlow Slim的源代码：github.com/tensorflow/models
3. 定义新的datasets文件：在slim/datasets中，定义了所有可用的数据库，为了使用前面创建tfrecord数据进行训练，必须要在datasets中定义新的数据库。
4. 准备训练文件夹：在slim文件夹下创建一个新的文件夹，在新的文件下再创建三个文件夹，分别为

   data：将前面准备好的tfthread格式数据和txt标签复制进去

   pretrained：首先下载你需要借助的模型，将其训练好的参数文件（.ckpt格式）复制进去

   data_dir：保存训练过程中的日志和模型

5. 开始训练：在slim文件夹下编写训练的程序进行训练，注意模型名称和训练范围。训练中断了，下次运行会接着上次的继续训练
6. 验证模型准确率
7. 导出模型并对单张图片进行识别

这篇文章关注的重点是如何使用TensorFlow 在自己的图像数据上训练深度学习模型，主要涉及的方法是对已经预训练好的ImageNet模型进行微调( Fine-tune）。本章将会从四个方面讲解：数据准备、训练模型、在测试集上验证准确率、导出模型并对单张图片分类。

1.微调的原理

在自己的数据集上训练一个新的深度学习模型时，一般采取在预训练 
ImageNet 上进行微调的方法。什么是微调？这里以VGG16为例进行讲解。