前提
要想在TensorFlow训练vgg16,首先要配置TensorFlow环境,这篇博客介绍如何配置python2.7版本的TensorFlow,在这里就不在叙述了。
TensorFlow版本
- 下载代码:VGG16
- 下载数据集17flowers,密码:3nc4
如果是训练自己的数据集,可以模仿17flowers数据集格式,将同一类的图片放在同一个文件夹中,如下图所示。 - 下载vgg16.npy,密码: 4wvq
- 打开VGG16.py代码,修改vgg16.npy对应的路径
- 打开create_tfrecords.py代码,修改代码中对应的路径,其中data是在VGG16_TF-master文件夹下创建的文件夹,存放的是自己的数据集。然后直接运行就行。
运行结束后在VGG16_TF-master文件夹路劲下生成train.tfrecords文件,这是TensorFlow读取的数据格式。
- 打开train.py代码,修改对应的路径
修改好之后直接运行即可。
Keras版本
前提
安装keras版本首先安装TensorFlow,安装好之后在cmd命令中输入pip install keras安装即可。
keras安装好之后,需要安装keras_tqdm模块,同样直接在cmd命令中输入pip install keras_tqdm安装即可,有可能第一次安装会出现错误,多重新安装几次就行。
- 下载代码:keras-vgg16,密码:hv7b
- 代码下载好之后,在keras_vgg16文件下,新建data,log,model。data用来存放你的数据集,log用来存放生成的日志,model用来存放生成的模型。
- 数据集和TensorFlow的数据集存放格式不一样,分为训练集和测试集
训练集和测试集里的图片将同一类别的放在同一文件夹中就行
- 打开vgg16.py代码,修改对应的文件路径,如下图所示
这路径包含训练集,验证集合测试集,我为了省事,测试和验证集使用同一个数据集
修改参数代码
保存文件的路径
然后直接运行即可。
在这里我建议用Anaconda自带的notebook跑程序,训练输出显示的比较规范,可读性比较强。