使用slim模型做自己的数据分类详细过程

使用GitHub上的模型

       1. 在https://github.com/tensorflow/models下载model-master压缩包

1. 本案例要使用slim文件夹中的train_image_classifier.py（可以将slim文件夹单独copy出来）

1. 下载并制作自己的数据集放到创建的H:\Self-Study\PyCharm\test\slim\images目录中，这里做了五种分类，每类中有800个数据，共4000，其中按8：2分为train和test

1. 将自己的数据集制作成tfrecord文件。编写generate_tfrecord.py脚本文件，代码如下（高亮部分分别为：指定数据集路径、生成标签文件名、生成tfrecord文件当时犯错的地方）：

import tensorflow as tf

import os

import random

import math

import sys

 

# 验证集数量

_NUM_TEST = 800

# 随机种子

_RANDOM_SEED = 0

# 数据块

_NUM_SHARDS = 5

# 数据集路径

DATASET_DIR = "H:/Self-Study/PyCharm/test/slim/images/"

# 标签文件名字

LABELS_FILENAME = "H:/Self-Study/PyCharm/test/slim/images/labels.txt"

 

# 定义tfrecord文件的路径+名字

def _get_dataset_filename(dataset_dir, split_name, shard_id):

output_filename = 'image_%s_%05d-of-%05d.tfrecord' % (split_name, shard_id, _NUM_SHARDS)

return os.path.join(dataset_dir, output_filename) # 获取dataser_dir当前目录࿰