利用Google预定义的mobilenet v1网络构建一个花朵分类器(K210预备)
-
首先需要安装
Tensorflow的Models/reserach/slim模块 下载models模块,在bashrc中写入环境变量.git clone https://github.com/tensorflow/models/ vi ~/.bashrc添加如下(需要修改为你所对应的地址):
export PYTHONPATH="~/models/research/slim:$PYTHONPATH"
-
下载本项目
git clone git@github.com:zhen8838/mobilenet-flowers.git
-
下载数据集以及预处理 我使用的是
slim教程中所用的Flowers数据集.首先下载解压数据集:wget http://download.tensorflow.org/example_images/flower_photos.tgz tar -zxvf flower_photos.tgz
接下来修改代码进行预处理:
cd mobilenet-flowers vi Globals.py修改
Globals.py中第4行的DATA_DIR(必须要用绝对路径)import os DATA_DIR = '/media/zqh/Datas/DataSet/flower_photos' #修改为你对应的路径 CLASS_NUM = 5 SEED = 3
保存退出后执行:
python3 prepare_data.py
执行结束后检查目录,出现以下即完成:
ls /home/zqh/flower_photos/*.csv /home/zqh/flower_photos/Label.csv /home/zqh/flower_photos/train.csv /home/zqh/flower_photos/test.csv -
测试数据集 执行
python3 tf_test.py
这时候可能会出现准确率非常低的情况,应该是由于我制作数据集的过程中
shuffle的缘故.没有关系,我们可以自己重新训练. 如果需要加载自行训练的权重,那么需要修改tf_test.py文件第20行RESTORE_CKPT_PATH为新的权重文件夹:if __name__ == "__main__": tf.reset_default_graph() # =========== define the ckpt path=================== # NOTE modfiy to your path RESTORE_CKPT_PATH = 'log/train/save_18:40:14' TEST_IMG_NUM = 100 # ===================== end =============================
-
训练数据集 执行:
python3 tf_train.py
结束后查看保存的模型文件,其中带
save的文件为模型文件(save_18:40:14为默认使用权重文件):ls log/train/ 0.50_18:40:14 0.50_19:14:35 save_18:40:14 save_19:14:35
- 转化模型
- 移植到K210