深度学习框架Tensorflow学习与应用(九Tensorflow的GPU版本安装。设计自己的网络模型，并训练自己的网络模型进行图像识别)

1 Inception结构分析
https://blog.csdn.net/u010402786/article/details/52433324

2 安装CUDA
2.1 .准备好NVIDIA的显卡,下载安装CUDA
https://developer.nvidia.com/cuda-downloads
2.2 .安装好之后把CUDA安装目录下的bin和lib\x64添加到 Path环境变量中

2.3 添加环境变量

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64

三 cuDNN安装
1.cuDNN下载 https://developer.nvidia.com/rdp/cudnn-download
2.解压压缩包,把压缩包中bin,include,lib中的文件 分别拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0目录下对应目录中
3.把C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\CUPTI\libx64\cupti64_80.dll 拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin

 

四安装tensorflow-gpu
1.pip uninstall tensorflow   #先卸载掉CPU版本的tf  #之后安装gpu版本的
2.pip install tensorflow-gpu

安装GPU之后，服务器上有CPU+GPU,系统会自动调用GPU驱动进行计算

五数据集下载

http://www.robots.ox.ac.uk/~vgg/data/

六训练模型

六训练模型
python D:/Tensorflow/tensorflow-master/tensorflow/examples/image_retraining/retrain.py ^ --bottleneck_dir bottleneck ^
--how_many_training_steps 200 ^
--model_dir D:/Tensorflow/inception_model/ ^
--output_graph output_graph.pb ^ --output_labels output_labels.txt ^ --image_dir data/train/
pause


python D:/Tensorflow/slim/train_image_classifier.py ^ --train_dir=D:/Tensorflow/slim/model ^ --dataset_name=myimages ^ --dataset_split_name=train ^ --dataset_dir=D:/Tensorflow/slim/images ^ --batch_size=10 ^
--max_number_of_steps=10000 ^ --model_name=inception_v3 ^ pause