cnn模型训练——从环境搭建到模型部署

一、准备python环境

以Windows平台为例：

1.安装python3

直接默认安装，并且添加到PATH。

安装完毕后在命令行输入python回车查看是否安装成功。

2.更换pip源

在win+R运行输入%APPDATA%，点击确定，进入C:Users\用户名\AppData\Roaming文件夹，在该文件夹下新建文件夹pip，在pip下新建文本文件，在其中填入如下内容，然后将文件命名为pip，扩展名改为ini。

[global]
index-url = http://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host = mirrors.aliyun.com

 3.创建虚拟环境

通过pip安装virtualenv：

pip install virtualenv

测试安装：

virtualenv --version

创建一个文件夹用来存放虚拟环境，命名Envs。cd进目录：

创建虚拟环境：

virtualenv venv01

4.安装pycharm并新建project

进入官网下载，有免费社区版和付费专业版（学生免费）。任选其一即可。

pycharm官网下载（网速极慢）

下载完安装，下一步、下一步、默认安装就行。安装完打开，点击Creat New Project：

选择项目存放路径——>点击Existing interpreter——>点击【...】

找到刚刚用virtualenv创建的虚拟环境下的python.exe，点击OK，勾选Make available to all projects：

点击Creat创建项目：

5.安装tensorflow

点击Terminal打开终端：

输入

pip install tensorflow

安装tensorflow，注意到是安装到虚拟环境里，这样有助于保护系统，并且如果后续环境炸了，可以直接删库重建，十分方便。

同样的方法安装opencv-python等库，缺少库pycharm会报红，按提示安装相应库即可。

二、模型训练

以图像分类模型为例：

将准备好的文件放进项目文件夹里：

CNN_net.py使用keras创建了模型，app.py是模型训练程序。

首先将下载的数据集放进dataset文件夹里，按类别再分文件夹放置，文件夹名就是类别标签名。然后创建output文件夹（不会自动创建，不创建会报错）。

训练程序用到了cv2对图像进行处理，cv2不支持中文路径和中文文件名，如果批量下载的图片带中文，先使用rename.py批量重命名，按需改动path和name：

确认无误后，在终端执行

python app.py

等待训练完成，在output文件夹里生成模型文件cnn.h5。

三、模型测试

将欲测试的图片（可以是dataset里的图片，也可以是另外找的图片）放进cs_image文件夹里。更改test.py中的图片文件名与测试图片文件名相同：

在终端执行

python test.py

将显示图片和预测的分类结果及其概率：

四、.h5模型转.tflite

更改keras2tflite_int.py中的DATADIR和CATAGORIES分别为数据集路径和标签名：

在终端执行

python keras2tflite_int.py

在output文件夹中生成cnn.tflite模型文件。