这是一份基于Tensorlflow的分类代码,用于deep-learning、Tensorflow的学习。
开始日期:2019.6.9
Tensoflow1.9.0+
Tensorboard
yaml
easydict
Some other libraries (find what you miss when running the code. hhhhh~)
ResNet
1.captcha_images:
datasets下新建captcha_images,在captcha_images内新建captcha_images/images/train和val,
分别用来放置训练和验证图片;
运行datasets下的create_classification_data.py即可生成数据集,当然要对代码做简单修改;
2.cifar10:
直接运行训练代码即可,可以自行下载解压;
3.easy:
https://pan.baidu.com/s/1rzKT6VvmSmoHEKdPmLMc6Q 提取码cx9a.选择第二题的分类数据集,
在该数据集下新建tranval和test文件夹用于存放训练与测试集;
1.在classification_Tensorflow_Proj内新建pretrained_models放置需要的预训练模型,
若找不到预训练模型,则下载下来放入指定的位置,模型保存在谷歌的开源代码models/research/slim中;
实验名在exp_configs文件夹下以文件夹名体现;
模型输出在exp_output,在classification_Tensorflow_Proj路径下新建一个exp_output,
内新建对应的实验名文件夹;
运行方法是先在exp_configs里做好实验配置,再运行指定好的train.py文件;
1.使用captcha生成简单的分类数据集,标签在图片名中
2.训练模型,生成ckpt
3.使用ckpt对单张图片进行测试
4.训练结束直接保存为pb模型
5.可以使用训练时直接保存的pb模型对单张图片进行测试
6.把ckpt转化为pb模型,并对该pb做测试
7.添加resnet系列模型,可以使用预训练模型
8.record数据集的制作与读取
模型训练的同时进行验证;
1.这份代码的数据预处理过程是放在网络结构中的,和pt的版本有所不同
123