前两天体验了一下腾讯云的在线实验,内容如题,在这里记录一下一些必要知识( 水
实验步骤
这个实验分为训练过程和测试过程两部分。
训练过程流程及实现:
- 解析脚本输入参数:使用argparse解析,由args变量持有
- 创建模型:自定义函数create_model(),返回使用keras.models.Model类创建的实例
- 模型编译:执行Model实例的compile()
- 数据增强:自定义函数create_image_generator()
- 模型训练与保存:自定义函数train()完成模型训练,使用keras.callbacks.ModelCheckpoint类的实例完成模型保存
测试过程流程及实现:
- 解析脚本输入参数:使用argparse解析,由args变量持有
- 创建模型:自定义函数create_model()
- 模型加载:使用keras.models.load_model()
- 数据读取:自定义函数create_image_generator()
- 预测与评估:自定义函数test()
环境搭建
安装TensorFlow
输入下述命令升级pip并安装TensorFlow
python -m pip install --upgrade pip && pip install tensorflow==1.14
安装Keras
输入下述命令安装Keras
pip install keras==2.3.1
安装opencv-python
输入下述命令安装opencv-python
pip install opencv-python
安装numpy
输入下述命令安装numpy
pip install numpy==1.19
编写训练代码
创建文件
进入工程目录
cd /traffic_symbol
创建train.py文件,本实验的后续代码都将在此文件中完成
touch train.py
引用文件
点击打开 train.py 文件,输入下述内容:
在文件顶部输入下述内容
import os
import argparse
import shutil
import cv2
import random
import numpy as np
import keras
from keras.applications.mobilenet import preprocess_input, MobileNet
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Model, load_model
from keras.layers import *
from keras.callbacks import ModelCheckpoint
记得保存!
保存方法:Windows 系统点击 ctrl+s,Mac OS 点击 command+s 保存
完成模型构建代码
继续在 train.py 中继续输入下面的内容,然后保存
# 创建模型
def create_model(height, width, channel, num_class):
# 加载预训练模型
base_model = MobileNet(input_shape=(height, width, channel), weights='imagenet', include_top=False)
# 把基础模型后部替换成GAP + FC
x = base_model.output
x = GlobalAveragePooling2D()(x)
x = Dropout(0.5)(x)
x = Dense(256, activation='relu')(x)
predictions = Dense(num_class, activation='softmax')(x)
# 创建模型
return Model(inputs=base_model.