Android平台TensorFlow模型训练实践

Tensorflow slim

最近在做这个迁移学习，看了一本书，叫《21个项目玩转深度学习》里面的第三章介绍如何用自己的数据集去训练自己的深度模型，当然了这本书的python版本好像是2.x，用现在的3.会有一些bug,不过去网上都可以解决，在这里我搜到的第三章解决问题的链接(http://www.pianshen.com/article/500471432/)基本都可以解决按照这个连接去解决，环境的问题自己去配置好就行。我的python版本是3.6.7，tensorflow是1.13.1。

根据书上的学习，首先是制作满足训练的数据集，自己可以搜集，然后生成tfrecord文件，会生成如图文件：
android Tensorflow 训练模型 tensorflow训练自己的模型_机器学习

其中生成的label文件是数据标签的一个索引，比如第一类是汽车car,文件的第一个标签就是car,以此类推。

接下来是训练这个按照书中的指令训练就可以，区分是在于是否在训练的时候加上trainable_scopes=…，加上这个指令的话会按照设定的范围进行微调，不加的话对所有模型中的参数进行训练。加上的话训练会快一些，不加的话训练会慢一些。本人试过，不加的话效果好一些，就是费点时间，毕竟重新全训练要点时间。我用的是InceptionV3这个预训练模型，在这里你可以下载你想要的预训练模型(https://github.com/tensorflow/models/tree/master/research/slim)
android Tensorflow 训练模型 tensorflow训练自己的模型_git_02

训练命令：

python train_image_classifier.py --train_dir=satellite/train_dir --dataset_name=satellite 
--dataset_split_name=train --dataset_dir=satellite/data 
--model_name=inception_v3 
--checkpoint_path=satellite/pretrained/inception_v3.ckpt 
--checkpoint_exclude_scopes=InceptionV3/Logits,InceptionV3/AuxLogits 
--trainable_scopes=InceptionV3/Logits,InceptionV3/AuxLogits 
--max_number_of_steps=100000 --batch_size=32  
--learning_rate=0.001 
--learning_rate_decay_type=fixed --save_interval_secs=300 
--save_summaries_secs=2 --log_every_n_steps=10  
--optimizer=rmsprop  --weight_decay=0.00004

参数什么的可以自己去调，最好用GPU去训练模型，比较快，省时间做其他事，没有的话可以想象办法，网上也有白嫖的方法。

接下俩就是验证准确率，按照书上的准确率很低，自己通过调参和数据处理后我的准确率还行，
android Tensorflow 训练模型 tensorflow训练自己的模型_机器学习_03