Tensorflow的训练和识别过程

以下为在windows训练模型，在Ubuntu训练要注意路径的变化。

1.下载训练库

在线下载文件夹，导航到文件夹下（文件下载到用户文件夹下）。 该文件夹包含重新训练分类器所需的脚本，以及我们将使用的预先训练的模型。

   git clone https://github.com/akshaypai/tfClassifier
   cd tfClassifier

2.创建图片资源分类文件夹

   主文件夹：Picture
   文件夹Picture下创建多个文件夹，每个文件夹为一类，进行分类，图片分别放在相应文件夹下。

3.训练自己的模型

cd C:\Users\XXX\tfClassifier\image_classification（打开下载训练库的目录）
python retrain.py --model_dir ./inception
--image_dir E:/Picture
--output_graph ./output.pb 
--output_labels ./output_labels.txt 
--how_many_training_steps 500

Image_dir 要训练的图片位置，output_graph 训练生成.pb文件的位置，，，
how_many_training_steps 500   训练次数，一般训练次数越多识别度越高

注意：如果遇到错误，停止训练查看该图片的渲染深度（若不为24，直接删除该图片，再训练）

4.测试自己训练的模型

python retrain_model_classifier.py  E:/Pictures/house.jpg （要识别图片的位置）

注意：打开retrain_model_classifier.py，要使用的.pb和.txt文件路径和名字一定要和retrain_model_classifier.py中使用名字相对应

Windows,Ubuntu 训练模型参考：https://blog.csdn.net/qq_32502511/article/details/78487515