net slim 分割_TensorFlow-Slim图像分类模型库

1 TF-slim简介

TF-slim是一个轻型的TensorFlow高层API (tensorflow.contrib.slim) 。可以用来定义、训练和评估复杂模型。slim项目包含丰富的源码。可以使用TF-slim来训练和推理许多广泛应用于CNN的图像分类模型。slim项目包含许多脚本，你可以利用它们重新训练，也可以在已训练模型的基础上进行fine-tune。当然也包括一些默认的脚本，用来下载标准的图像数据集，并将它们转换为TensorFlow的TFRecord格式，以及使用TF-Slim的数据读和队列化函数来读取这些数据。也可以使用自己的数据进行训练。

可以参考脚本jupyter notebook，其提供了许多使用TF-Slim的图像分类例子。对于开发或者改进TF-Slim，可以参考main TF-Slim page.

2 安装

这里我们介绍TF-Slim的安装步骤

2.1 安装最新版本的TF-Slim

TF-Slim is available as tf.contrib.slim via TensorFlow 1.0. To test that your installation is working, execute the following command; it should run without raising any errors.

TF-Slim基于TensorFlow 1.0，库名为tf.contrib.slim。测试安装是否成功，运行下面的代码

python -c 'import tensorflow.contrib.slim as slim; eval = slim.evaluation.evaluate_once'

2.2 安装TF-Slim图像模型库

要使用TF-Slim进行图像分类，需要安装 TF-Slim image models library。其不是TensorFlow默认安装的。为了使用这些图像分类模型，我们需要将下载 tensorflow/models

cd $HOME/workspace

git clone https://github.com/tensorflow/models/

上面的命令会下将TF-Slim的图像模型库下载到目录$HOME/workspace/models/research/slim(同时会创建目录models/inception，该目录包含Slim的老版本，这里可以忽略)。

为了验证是否成功，可以执行下面的shell脚本。

cd $HOME/workspace/models/research/slim

python -c "from nets import cifarnet; mynet = cifarnet.cifarnet"

3 准备数据

作为Slim库的一部分，下表中的数据集的下载和格式转换脚本也内置在slim目录下。

Dataset

Training Set Size

Testing Set Size

Number of Classes

Comments

Flowers

2500

2500

5

Various sizes (source: Flickr)

60k

10k

10

32x32 color

60k

10k

10

28x28 gray

1.2M

50k

1000

Various size

对于每个数据集，我们需要下载原始数据，并将其转换为TensorFlow的基本TFRecord格式。每个TFRecord包含一个TF-Example协议缓冲文件。下面的脚本是显示如何转换Flowers数据集为TFRecord。

$ DATA_DIR=/tmp/data/flowers

$ python download_and_convert_data.py \

--dataset_name=flowers \

--dataset_dir="${DATA_DIR}"

完成上面