tf-slim-inception

tensorflow-slim下的inception_v3、inception_v4、inception_resnet_v2分类模型的数据制作、训练、评估、导出模型、测试。
致力于提供最简洁的分类模型操作API。
增加了数据集制作各个类别的数据均衡处理（train_eval_num.txt）；
采用无侵入式数据集制作与生成方法，运行generate_tf_record_file.py即可生成数据集（无需再创建dataset的相关py文件）。
训练比较请参考：InceptionV3、InceptionV4图像分类训练与比较

相关截图

项目结构

路径配置

将path.sh中的路径修改成自己的路径即可

#!/usr/bin/env bash
export PYTHONPATH=$PYTHONPATH:/Users/zhousf/tensorflow/zhousf/tf-slim-inception/model
export PYTHONPATH=$PYTHONPATH:/Users/zhousf/tensorflow/zhousf/tf-slim-inception/model/research
export PYTHONPATH=$PYTHONPATH:/Users/zhousf/tensorflow/zhousf/tf-slim-inception/model/research/slim
export PYTHONPATH=$PYTHONPATH:/Users/zhousf/tensorflow/zhousf/tf-slim-inception/model/research/slim/datasets
export PYTHONPATH=$PYTHONPATH:/Users/zhousf/tensorflow/zhousf/tf-slim-inception

数据制作

generate_tf_record_file.py

自动生成训练集与评估集描述文件：train_eval_num.txt

{"train": 3306, "validation": 364, "classes_num": 5}

+------------+-----------+----------+-------+
| class_name | train_num | eval_num | total |
+------------+-----------+----------+-------+
| tulips     |    720    |    79    |  799  |
| roses      |    577    |    64    |  641  |
| sunflowers |    630    |    69    |  699  |
| daisy      |    570    |    63    |  633  |
| dandelion  |    809    |    89    |  898  |
+------------+-----------+----------+-------+

训练

• train.py/train.sh
• 终端中运行：source train.sh 即可

评估

• eval.py/eval.sh
• 终端中运行：source eval.sh 即可

eval/TP[2838]
eval/FP[7]
eval/TN[293]
eval/FN[606]
eval/Accuracy[0.836271346]
eval/Recall_5[0.933493614]
eval/Precision[0.99753952]

可视化

• show_train.py 训练
• show_eval.py 评估

导出模型

• export.py/export.sh
• 终端中运行：source export.sh 即可

测试

eval_single_img.py

模型配置文件

• train_inception.py 配置训练的参数(网络模型选择，训练次数，batch_size、指定GPU等)
• config.py 指定训练的业务