采用imageNet制作自己的数据并进行训练

采用ImageNet方法制作自己的数据进行训练分类器

第一步：数据制作

       本篇以红绿灯数据样本为案例，讲解如何自作自己的数据训练样本。

1. 首先收集红绿灯三个样本数据集，关于如何收集这里不做重点讲解，网上可以各种下载相应的图片，我们下载的图片有时候大小不统一，因此这里我们编写一个脚本，可以很快的批量处理图片大小统一问题。如图所示

1. 将图片大小统一后，有时候下载的不一定是.jpg图片格式，所有这里需要一个图片批量转化脚本，这个脚本也在上图同一文件下。
2. 将图片进行分类并存储于同一个文件夹下：以红绿灯为例，分为train，validation两个文件夹，随机分配train、validation的图片数量

第二步：将图片转化为tfrecord格式

在data_prepare文件夹下，打开cmd终端运行如下指令：

python data_convert.py -t pic --train-shards 2 --validation-shards 2 --num-threads 2 --dataset-name trafficlight

第三步：定义新的datasets

在slim/datasets中文件下新建一个trafficlight.py文件，将flowers.py文件复制到其中，按照书籍《21个项目玩转深度学习》第55页修改即可。