參考https://github.com/sourcedexter/tfClassifier/tree/master/image_classification
主要介紹如何在win10系統中使用TensorFlow環境運作一個最基本的圖像分類器。
一、基礎知識
1.物體分類的思想
物體分類，也就是訓練系統識别各個物體，如貓咪、狗狗、汽車等。TensorFlow是谷歌開發出的人工智能學習系統，相當于我們的運作環境。
2.神經網絡與Inception v3體系結構模型
神經網絡示意圖如下：
通俗了講，就是将若幹個輸入，進行若幹次操作（線性或者非線性），最後輸出結果。Inception v3模型是谷歌釋出的一個深層卷積網絡模型。我們使用的retrain_new.py腳本就是使用了Inception v3模型進行一個遷移學習。
3.訓練集、測試集和驗證集
訓練集用來訓練模型，驗證集用來驗證模型是否進行了過拟合，測試集用來測試模型的準确程度。三種圖檔集的比例會對準确度産生影響。
4.學習速率
不同的學習速率會導緻不同的結果。如果速率過大，會導緻準确率在訓練的過程中不斷上下跳動，如果速率過小會導緻在訓練結束前無法到達預期準确度。
二、環境搭建
1.具體環境搭建可以檢視之前的文章。
主要逐注意版本對應。
2.TensorFlow環境搭建（gpu）
（1）直接pip安裝。指令：
pip install tensorflow-gpu
這樣就安裝好TensorFlow了，但是我們還需要GPU加速，是以還需要安裝cuda和cuDnn（專門為deep learning準備的加速庫）。
（2）cuda安裝
下載下傳完後正常安裝就可以了。
（3）cuDnn庫下載下傳
下載下傳完後解壓縮，将三個檔案拷貝到相應的檔案中即可。一定注意對應覆寫。
（4）測試
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
檢視是否輸出。
三．基本使用
1.資料集的收集與建立
我用的是2018全球AI挑戰賽的資料集。連結：https://challenger.ai/datasets/lad2018
2.訓練模型
訓練模型使用retrain_new.py腳本。在指令行運作，指令格式如下：
python retrain_new.py --model_dir 存放classify_image_graph_def.pb的路徑 --image_dir 剛才的建立的DataSet的路徑 --output_graph 産生的,pb檔案的存放路徑 --output_labels 産生的output_labels.txt的 存放路徑 --how_many_training_steps 訓練步數 -- learning_rate 學習速率 --testing_percentage 測試集比例 --validation_percentage 驗證集比例
示例指令：
python retrain_new.py --model_dir E:\tfclassifier\image_classification\inception --image_dir E:\tfclassifier\DataSet --output_graph E:\tfclassifier\image_classification\output_dir\output_graph.pb --output_labels E:\tfclassifier\image_classification\output_dir\output_labels.txt --how_many_training_steps 500 --learning_rate 0.3 --testing_percentage 10 --validation_percentage 10
說明：
model_dir參數：指定了model的存放位置，就是我們的inception檔案夾
image_dir參數：指定了資料集的位置
output_graph參數：産生的output_graph.pb檔案的存放路徑（後面要用）
output_labels 參數：産生的output_labels.txt的存放路徑（後面要用）
how_many_training_steps參數：訓練步數，和學習速率配合調整（我用的500）
learning_rate參數：學習速率，和訓練步數配合調整（我用的0.3，常用的有0.001，0.01，0.1，0.3，1，3，可自己調整嘗試一下）
testing_percentage參數：測試集比例
validation_percentage參數：驗證集比例
3.測試模型
核心的檔案是output_graph.pb檔案（我們訓練所産生的圖，是一個二進制檔案）和output_labels.txt檔案。
使用retrain_model_classifier.py腳本來測試模型。指令格式如下：
cd E:\tfclassifier\image_classification（進入retrain_model_classifier.py腳本所在的目錄）python retrain_model_classifier.py 要識别圖檔的路徑
然後會看到一些版本資訊，和輸出結果：
四．遇到的問題以及解答
1.版本對應問題
python版本，cuda版本和cuDNN版本都是對應的，如果結果中出現了亂碼，很大機率是版本的問題。
2.帶參數的python腳本編寫與運作
想讓python腳本帶參數，可以在python腳本的末尾添加如下格式的代碼：
運作時需要在python xxx.py後加上“--image_dir 參數”就可以了。
3.測試腳本的調整
要不斷訓練、測試，不斷調整參數，直到訓練快要結束的時候，驗證比例達到穩定，并且在90以上，我們才認為系統較為完善。