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