图像生成文本show and tell模型2—图像特征抽取2—文本描述文件解析

用已经训练好的模型对每张图片去处理特征：
本文使用的是 inception_V3的checkpoint去对flicker30k的每张图片进行处理它的特征：
需要用到的文件：

这个文件的作用：

checkpoint里存的是各个变量的数值，我们需要重新去构建计算图后可以把checkpoint里的变量值载入进来，就是这个图中对应的变量去checkpoint读取变量值，在tensorflow中还支持对checkpoint做进一步的处理，tensorflow中有一个工具觉freezegraph，就是将checkpoint和计算图给结合起来的一种工具，就是它生成的图是graph和checkpoint变量都在这里面，使用这张图我们就不需要先重建图再去载入变量，直接导入这张图，因为这张图里都是固定的变量，然后就可以直接用这张图里的计算方法去进行处理了~
即这个文件就是由一个freezegraph处理得到的工具~

1.首先载入必要的库：

（2）定义输入输出文件：

（3）因为有大约3万张图片，将所有的图片特征都抽取出放到一个文件夹下是不明智的，所以把这些数据存储在多个文件中，这样每个文件的载入都不会占用太多的时间，所以需要一个参数来确保如何去切分这些数据，即每个子文件中存放多少个数据：

即将30000张图片分成30000/100个文件，每个文件有100个小文件
判断输出文件夹是否存在，如果不存在的话需要去建立它：

（4）解析图片描述文件：

将图片描述文件和图片的对应关系用一个字典表达出来:


测试一下：

以上，完成~