tensorflow环境下的识别食物_TensorFlow图像识别（物体分类）入门教程

本文主要介绍了如何使用TensorFlow环境运行一个最基本的图像分类器(Win10系统)。源码地址https://github.com/sourcedexter/tfClassifier/tree/master/image_classification

(这个大神好像改名了，原来叫akshaypai来着)

一．基础概念介绍

1.物体分类的思想

物体分类，也就是训练系统识别各个物体，如猫咪、狗狗、汽车等。TensorFlow是谷歌开发出的人工智能学习系统，相当于我们的运行环境。

2.神经网络与Inception v3体系结构模型

神经网络示意图如下：

通俗了讲，就是将若干个输入，进行若干次操作(线性或者非线性)，最后输出结果。Inception v3模型是谷歌发布的一个深层卷积网络模型。我们使用的retrain_new.py脚本就是使用了Inception v3模型进行一个迁移学习。

3.训练集、测试集和验证集

训练集用来训练模型，验证集用来验证模型是否进行了过拟合，测试集用来测试模型的准确程度。三种图片集的比例会对准确度产生影响。

4.学习速率

不同的学习速率会导致不同的结果。如果速率过大，会导致准确率在训练的过程中不断上下跳动，如果速率过小会导致在训练结束前无法到达预期准确度。

二．环境搭建

1.Python环境搭建

具体的python搭建细节可以自行百度。参考链接：

https://blog.csdn.net/lyj_viviani/article/details/51763101

这里要注意一下版本࿰