如何使用 tensorflow retrain.py 重新训练多个初始实例
how to retrain multiple instances of inception using tensorflow's retrain.py
我正在构建一个允许用户通过 GUI 重新训练初始阶段的应用程序。我目前基本上是通过 tensorflow 的 image_retrain 示例发现 here 并构建一个 GUI 作为前端。我不知道实际训练的神经网络存储在哪里或如何训练它的多个实例。似乎 output_graph 参数默认为 /tmp/output_graph.pb 但我不知道这是经过训练的网络本身还是其他东西（我对 tensorflow 了解不多）。我还希望所有内容都只存储在我的应用程序运行的目录中。我目前还在克隆整个 tensorflow github 存储库，我想知道我是否只需要 retrain.py 文件和 label_image.py 文件。这是我的问题：
1.输出图是什么？
2. 如何存储多个再训练的 inception 实例，每个实例都针对特定的类别集进行训练？
3. 我需要克隆整个存储库吗？
我 运行 在 windows 使用 python 3.5.2 64 位和 tensorflow 版本 1.5.0
- 输出图是存储网络本身的地方
- 为您的初始实例创建一个目录。在主目录中创建瓶颈目录。在 运行
retrain.py.
时使用附加参数 --output_graph /path/to/main/dir/output_graph.pb --bottleneck_dir /path/to/main/dir/bottleneck_dir --output_labels /path/to/main/dir/output_labels.txt
然后，当你 运行 label_image.py 时，你应该有额外的参数，看起来像这样： --graph /path/to/main/dir/output_graph.pb --labels=/path/to/main/dir/output_labels.txt 和你会根据 tensorflow tutorial [=24 使用的其他参数=]
- 不，你只需要
retrain.py和label_image.py
我正在构建一个允许用户通过 GUI 重新训练初始阶段的应用程序。我目前基本上是通过 tensorflow 的 image_retrain 示例发现 here 并构建一个 GUI 作为前端。我不知道实际训练的神经网络存储在哪里或如何训练它的多个实例。似乎 output_graph 参数默认为 /tmp/output_graph.pb 但我不知道这是经过训练的网络本身还是其他东西（我对 tensorflow 了解不多）。我还希望所有内容都只存储在我的应用程序运行的目录中。我目前还在克隆整个 tensorflow github 存储库，我想知道我是否只需要 retrain.py 文件和 label_image.py 文件。这是我的问题：
1.输出图是什么？
2. 如何存储多个再训练的 inception 实例，每个实例都针对特定的类别集进行训练？
3. 我需要克隆整个存储库吗？
我 运行 在 windows 使用 python 3.5.2 64 位和 tensorflow 版本 1.5.0
- 输出图是存储网络本身的地方
- 为您的初始实例创建一个目录。在主目录中创建瓶颈目录。在 运行
retrain.py.
时使用附加参数--output_graph /path/to/main/dir/output_graph.pb --bottleneck_dir /path/to/main/dir/bottleneck_dir --output_labels /path/to/main/dir/output_labels.txt然后，当你 运行label_image.py时，你应该有额外的参数，看起来像这样：--graph /path/to/main/dir/output_graph.pb --labels=/path/to/main/dir/output_labels.txt和你会根据 tensorflow tutorial [=24 使用的其他参数=] - 不，你只需要
retrain.py和label_image.py