深度学习（3）：在谷歌深度学习框架TensorFlow上运行官方的案例模型识别图片

Linux 安装TensorFlow之后我们试一下官方的模型是否可以识别图片
进入树莓派

$ mkdir ~/tensorflow_test/model          //创建文件夹
$ cd ~/tensorflow-related/model           //打开文件夹
$ wget http://download.tensorflow.org/models/image/imagenet/inception-2015-12-05.tgz   //在github下载官方的模型
$ tar xf inception-2015-12-05.tgz        //解压下载的压缩包

解压后我们会得到一堆文件

classify_image_graph_def.pb  //模型
cropped_panda.jpg                 //图片
imagenet_2012_challenge_label_map_proto.pbtxt  //识别需要的文件
imagenet_synset_to_human_label_map.txt             //识别需要的文件
LICENSE

上网找一张图片用TensorFlow识别，这里我找了一张摩拜单车（Mobike）
下载图片后放在~/tensorflow_test/model/ 文件夹下
打开TensorFlow的 Python图像分类程序 classify_image.py 所在的路径文件的位置（不同的系统可能在不用的位置）
如果你安装的是1.1.0以上版本的TensorFlow on Raspberry Pi，那么你会发现你找不到classify_image.py文件，这是因为此版本确实不再包含该文件，这时你可以在https://github.com/tensorflow/models这里下载这个文件。

cd /usr/lib/python3.5/site-packages/tensorflow/models/image/imagenet

运行Python分类器程序

python3 classify_image.py --model_dir /root/tensorflow/model --image_file /root/tensorflow/mobike.jpg

–model_dir 后面的参数是模型的路径 --image_file 后面的参数是需要识别图片的路径
运行后我们得到输出：

mountain bike, all-terrain bike, off-roader (score = 0.56671)
tricycle, trike, velocipede (score = 0.12035)
bicycle-built-for-two, tandem bicycle, tandem (score = 0.08768)
lawn mower, mower (score = 0.00651)
alp (score = 0.00387)

可见，TensorFlow认为图片是山地自行车（mountain bike）／全地形自行车（all-terrain bike）／越野车（off-roader）的概率是0.56671，识别结果还算可以。

在树莓派上识别运行的话需要一点时间。
好了这样我们就可以进行下一步运行自己的模型啦！