#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,因为要对应后文的cuDnn库与cuda的版本。(我用的是python 3.6.4)
##2.TensorFlow环境搭建(gpu) ###(1)直接pip安装。命令: pip install tensorflow-gpu 这样就安装好Ten