使用TensorFlow slim資料夾當中的inception_resnet_v2網路訓練自己的分類資料集
每個資料夾存放一種類別的圖片 資料夾名稱即為類別名稱
轉換資料集為TFRecords格式的檔案：
進入下載以後的資料夾中/models/research/slim/，使用pycharm開啟slim資料夾，開啟轉換格式的檔案download_and_convert_data.py，只有cifar10、flowers、mnist這幾種下載和轉換的檔案，為了轉換自己的資料集，這裡在資料夾datasets中複製貼上download_and_convert_flowers.py檔案，得到副本download_and_convert_flowers - 副本.py檔案，將副本重新命名為download_and_convert_dogs.py
然後download_and_convert_data.py引入庫檔案 from datasets import download_and_convert_dogs 在main函式中新增 elif FLAGS.dataset_name =='dogs': download_and_convert_dogs.run(FLAGS.dataset_dir)
檔案download_and_convert_flowers.py就配置好的
接著配置download_and_convert_dogs.py檔案，由於資料集已經下載好的，不需要重複下載，這裡註釋掉run函式中下載資料集的程式碼：
將檔案中的字元flowers全部替換為dogs 然後將函式 _get_filenames_and_classes中的 flower_root = os.path.join(dataset_dir, 'flower_photos')改為flower_root = os.path.join(dataset_dir, 'Images') 修改驗證集圖片的數量 _NUM_VALIDATION = 350 為 _NUM_VALIDATION = 2100 （如果第一步已經修改，這一步可以跳過）修改函式_get_dataset_filename中的： output_filename = 'flowers_%s_%05d-of-%05d.tfrecord' 為 output_filename = 'dogs_%s_%05d-of-%05d.tfrecord' 如果不需要生成TFRecords檔案以後，圖片資料集被刪除，需要註釋掉： clean_up_temporary_files(dataset_dir)
生成TFRecords檔案： python download_and_convert_data.py --dataset_name=dogs --dataset_dir=~/zstanf/data
訓練：
主檔案就是train_image_classifier.py，檢視dataset_name變數，dataset_factory.py的檔案中字典datasets_map只有cifar10、flowers、imagenet、mnist這四種資料集處理方式，訓練我們自己的資料集就需要新增資料處理方式，這裡在字典中新增新的item，'dogs':dogs
dataset_factory.py引入庫檔案 from datasets import dogs
開啟dogs.py檔案進行相應的修改： 將檔案中的字元flowers全部替換為dogs，這樣就修改_FILE_PATTERN = 'flowers_%s_*.tfrecord'為_FILE_PATTERN = 'dogs_%s_*.tfrecord'
修改訓練集和驗證集的圖片數量 SPLITS_TO_SIZES = {'train': 19000, 'validation': 2100} 修改類目數量 _NUM_CLASSES = 120 修改_ITEMS_TO_DESCRIPTIONS = { 'image': 'A color image of varying size.', 'label': 'A single integer between 0 and 122', } 修改get_split函式中的圖片解析格式'image/format': tf.FixedLenFeature((), tf.string, default_value='png')修改為：'image/format': tf.FixedLenFeature((), tf.string, default_value='jpg')
下載預訓練權重檔案： wget http://download.tensorflow.org/models/inception_resnet_v2_2016_08_30.tar.gz tar zxf inception_resnet_v2_2016_08_30.tar.gz
執行命令開始訓練網路： python train_image_classifier.py \ --train_dir=./model/inception_resnet_v2_model \ #訓練過程中用於儲存ckpt、index、meta檔案的目錄 --dataset_name=dogs --dataset_split_name=train --dataset_dir=~/zstanf/data \ #存放TFRecords檔案的目錄 --model_name=inception_resnet_v2 \ #網路的名稱 --checkpoint_path=./model/inception_resnet_v2_2016_08_30/inception_resnet_v2_2016_08_30.ckpt \ #預訓練權重檔案 --checkpoint_exclude_scopes=InceptionResnetV2/Logits,InceptionResnetV2/AuxLogits \ --trainable_scopes=InceptionResnetV2/Logits,InceptionResnetV2/AuxLogits --clone_on_cpu=False \ --max_number_of_steps=10000 \ --batch_size=50 \ --learning_rate=0.01 \
視覺化： tensorboard --logdir=/home/使用者名稱/model/inception_resnet_v2_model
驗證資料集： python eval_image_classifier.py \ --checkpoint_path=./model/inception_resnet_v2_model \ --eval_dir=./model/eval_result \ --dataset_name=dogs \ --dataset_split_name=validation \ --dataset_dir=~/zstanf/data \ --model_name=inception_resnet_v2 \