用inception-v3重新訓練自己的數據模型
背景：
現代的圖像識別模型具有數以百萬計的參數，從頭開始訓練（Train from scratch）需要大量的樣本數據以及消耗巨大的計算資源（幾百個GPU），因此采用遷移學習的方式重訓一個模型（Retrain a model）對於學習模型的成本較低，利用Inception-V3作為已經訓練好的模型，來實現自己的圖像分類識別。
inception模型文件目錄介紹：
data目錄：需要訓練的數據放在該目錄： inception_model：把下載inception模型放在該目錄下：
test_images：把訓練完成之后，測試圖片所放目錄
數據准備完成之后，按以下步驟執行：
步驟1：
windows:
運行批處理文件retrain.bat
python retrain.py ^ --bottleneck_dir bottleneck ^ #自行生成每個訓練圖片的數據 --how_many_training_steps 200 ^ #步數 --model_dir inception_model ^ #模型 --output_graph output_graph.pb ^ #訓練后輸出模型 --output_labels output_labels.txt ^ #訓練后輸出label --image_dir data pause
Ubuntu:
運行批處理文件retrain.sh
步驟2：
訓練完成后，測試如下
Python predict.py
測試結果如下：
結論：如果測試物體不相似，識別率很高，但是如果物體形狀相似，識別率則不高
源碼：https://pan.baidu.com/s/1qdRmnQsRv5k3QesZxRC9QA 提取碼：jipt