tensorflow迁移学习

tensorflow利用Inception-v3实现迁移学习。加载已有的模型，作为新任务提取特征的操作，实现分类迁移。包含完整的代码和数据集

#photo地址：
#http://download.tensorflow.org/example_images/flower_photos.tgz
#Inception-v3模型
#https://storage.googleapis.com/download.tensorflow.org/models/inception_dec_2015.zip
import glob
import os.path
import random
import numpy as np
import  tensorflow as tf
from tensorflow.python.platform import gfile

#Inception-v3模型瓶颈层得节点个数
BOTTLENECK_TENSOR_SIZE=2048

BOTTLENECK_TENSOR_NAME=‘pool_3/_reshape:0‘

JPEG_DATA_TENSOR_NAME=‘DecodeJpeg/contents:0‘

MODEL_DIR=‘C:/Users/casgj/PycharmProjects/CNN/inception_dec_2015‘

MODEL_FILE=‘tensorflow_inception_graph.pb‘

CACHE_DIR=‘C:/Users/casgj/PycharmProjects/CNN/bottleneck‘

INPUT_DATA=‘C:/Users/casgj/PycharmProjects/CNN/flower_photos‘

#验证得数据百分比
VALIDATION_PERCENTAGE=10
#测试得数据百分比
TEST_PERCENTAGE=10

#定义神经网络得设置
LEARNING_RATE=0.01
STEPS=4000
BATCH=100

#从数据文件夹读取所有得图片列表并按训练、验证、测试数据分开
def create_image_lists（testing_percentage validation_percentage）:
    result = {}
    sub_dirs = [x[0] for x in os.walk（INPUT_DATA）]
    is_root_dir = True
    for sub_dir in sub_dirs:
        if is_root_dir:
            is_root_dir = False
            continue

        extensions = [‘jpg‘ ‘jpeg‘ ‘JPG‘ ‘JPEG‘]

        file_list = []
        dir_name = os.path.basename（sub_dir）
        for extension in extensions:
            file_glob = os.path.join（INPUT_DATA dir_name ‘*.‘ + extension）
            file_list.extend（glob.glob（file_glob））
        if not file_list:
            continue

        label_name = dir_name.lower（）

        # 初始化
        training_images = []
        testing_images = []
        validation_images = []
        for file_name in file_list:
            base_name = os.path.basename（file_name）

            # 随机划分数据
            chance = np.random.randint（100）  #产生一个<100得正整数
            if chance < validation_percentage:
                validation_images.append（base_name）
            elif chance < （testing_percentage + validation_percentage）:
                testing_images.append（base_name）
            else:
                training_images.append（base_name）

        result[label_name] = {
            ‘dir‘: dir_name
            ‘training‘: training_images
            ‘testing‘: testing_images
            ‘validation‘: validation_images
        }
    return result


#获取给定类别category中index图片的地址
def get_image_path（image_listsimage_dirlabel_nameindexcategory）:
    label_lists=image_lists[label_name]
    category_list=label_lists[category]
    mod_index=index% len（category_list）

    base_name=category_list[mod_index]
    sub_dir=label_lists[‘dir‘]

    full_path=os.path.join（image_dirsub_dirbase_name）
    return full_path


def get_bottleneck_path（image_listslabel_nameindexcategory）:
    return get_image_path（image_listsCACHE_DIR
           label_nameindexcategory）+‘.txt‘


def run_bottleneck_on_image（sessimage_dataimage_data_tensorbottleneck_tensor）:
    bottleneck_values=sess.run（bottleneck_te

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件   88631107  2018-10-01 12:03  inception_dec_2015.zip

     文件      10466  2018-10-02 15:54  迁移学习.py

----------- ---------  ---------- -----  ----

             88641573                    2