python模型训练_python模型训练与预测练习
python模型训练与预测练习
发布时间：2018-03-09 17:49,
浏览次数：368
, 标签：
python
我是参考了YouTube上的机器学习视频进行学习，在观看过程中发现该视频内容相对简明扼要。后来在独立完成项目时遇到了不少技术上的挑战和障碍。
tensorflow for
我的流程如下：
首先下载Anaconda软件包（专为Python 2.7版本设计），由于3.6版本感觉不太友好，在安装过程中需要重新导入大量内容；同时在配置环境变量参数进行设置时也需格外小心）。
然后从其那里获取tensorflow软件包，在anaconda目录中的envs文件夹里就可以找到并运行它。
在学习过程中涉及的文件共有两个，在该网站的第二步骤位置上下载第一个文件：tensorflow-for-poets-2。第二个文件是用于训练的数据集图片素材，请访问该网站第三步骤位置上获取图片素材资源。
接下来就是对训练模型进行操作(该模型并未完全处于未经过训练的状态,但我们需要再次对其进行训练)
进入命令提示符cmd——激活tensorflow，即输入activate
在找不到tensorflow的情况下，请切换至该目录（tensorflow-for-poets-2），并执行cd命令
请注意，在导出TensorFlow模型时（即在您打开命令行界面时所显示的目录下），将模型文件（如tensorflow_for_poets-2）放置在当前目录下（即您打开命令行界面时所显示的路径）。同时将图片文件夹tf_files放置在该模型文件所在目录下（即tensorflow_for_poets-2子目录）。当然你可以将其放置到其他位置，请根据以下配置稍作调整即可完成设置
你可以直接查看scripts文件夹中retrain.py的内容，请通过执行python -m scripts.retrain来运行该操作。
-h，根据显示的信息进行配置，比如我用的是：python -m scripts.retrain
--bottleneck_dir=tf_files/bottlenecks --how_many_training_steps=500
--model_dir=tf_files/models/ --summaries_dir=tf_files/training_summaries/basic
--output_graph=tf_files/retrained_graph.pb
--output_labels=tf_files/retrained_labels.txt
--architecture="mobilenet_0.50_224" --image_dir=tf_files/flower_photos
以上配置已在显示信息中做了详细说明。输入上述配置后按下回车，训练随即启动。训练所需时间取决于你所选择的架构设定是什么：若采用inception_v3架构，则会获得较高的准确率但耗时较长；相比之下采用mobilenet架构则训练速度更快。等待片刻再继续下一步操作吧。
完成上述训练后, 我们可以通过提供图片来进行预测, 比如输入: python -m scripts.label_image
--graph=tf_files/retrained_graph.pb
--image=tf_files/flower_photos/daisy/21652746_cc379e0eea_m.jpg此处需要更换图像。设置为来自原始训练数据集的花卉。输入后将返回以下结果：Evaluation
time (1-image): 0.359s
daisy 0.99115634
dandelion 0.0063383654
sunflowers 0.0024961976
roses 6.5435215e-06
tulips 2.6802825e-06
可以看到，这张图片99%以上概率是雏菊，结果正是如此。
然后我在网上随手下载了一张雏菊的照片（而且角度锐利且斜着拍向上的照片），白色花瓣衬托着天上的白云（拍摄效果不是很清晰），准确率达到了99%以上。
以上就是第一个练习。