tensorflow下基于alexnet的迁移学习

前言
看了两三天tensorflow下的迁移学习，把整理的东西（一些博客、文件和认识整理汇总一下）
主要参考
博客 https://blog.csdn.net/two_vv/article/details/76769860
莫烦python https://morvanzhou.github.io
还有一些其他的，记不起了。

所需文件：
链接：https://pan.baidu.com/s/1hYkgcFUWPdA1TG5naJZLPg 密码：5zgv

环境：
anaconda5+python3.6+tensorflow1.8.0（？）

背景知识请阅读这篇博客。

开始正文

step1 将预训练的alexnet从caffe转换至tensorflow
#1 alexnet.py 定义原始alex网络的class
#2 caff_classes.py 原始alex网络在caffe中的分类类别的class
#3 bvlc_alexnet.npy 从caffe中的alexnet保存转换出来的参数文件，保存了重建网络所需的weight和bias等值
#4 myalexnet_forward_newtf.py 从caffe转换到tensorflow后的原始alex网络的分类测试模型，用以验证载入的模型参数是否有效
#5 test images 保存了一些可以直接用于测试分类效果的图片，分类时拷贝相应图片至python文件目录下

step2 微调网络（迁移）
#5 finetune.py 重新微调的alexnet，使之适用于自己的应用
#6 datagenerator.py 用于生成微调所用的数据

其他参考
#7 407_transfer_learning.py 莫烦老师的迁移学习教程，之后介绍
#8 vgg16.npy file7所需的预训练模型参数，同file3

• step1操作
  只需要将提到的文件放在同一目录下，在spyder中运行myalexnet_forward_newtf.py即可。依赖的包没有装齐全的话可以回遇到一些error，根据提示自行百度可以理解，然后pip install 相应的包。可以会遇到链接超时无法安装的问题，这时候一般是pip镜像被墙了，可以自行百度 “pip国内源” 相应解决。
  输出结果是这样的：
  
  测试的是dog2和zebra，狗和斑马。上图中的分类结果是前五的分类结果。可以看出dog2的情况不太好，因为特征可能不太明显；而斑马的情况很好，个人觉得是斑马本身的特征就很明显，所分类结果相对更准确一点。个人也验证了原参考博客中的三张验证图片，并不能达到这么好的效果，也不知到为什么。
  

• step2操作
  之后再更

参考资料整理：
[1] 莫烦python视频教学的博客整理版本1-14
[2] 莫烦python视频教学的博客整理版本15-22