利用卷积神经网络训练图像数据分为以下几个步骤
1.读取图片文件
2.产生用于训练的批次
3.定义训练的模型（包括初始化参数，卷积、池化层等参数、网络）
4.训练
1 读取图片文件
def get_files(filename):
class_train = []
label_train = []
for train_class in os.listdir(filename):
for pic in os.listdir(filename+train_class):
class_train.append(filename+train_class+'/'+pic)
la
2021-09-24 20:52:07
78KB
1
r50_deformable_detr-checkpoint.pth
2021-09-06 22:11:05
457.48MB
1
项目地址：https://github.com/MrZhousf/tf_facenet，资源地址：https://download.csdn.net/download/weixin_43296326/10959597，https://download.csdn.net/download/zsf442553199/10965981，https://download.csdn.net/download/zsf442553199/11117290
2021-09-06 10:21:40
148.34MB
1
checkpoint 保存路径
model_path下存有包含多个迭代次数的模型
1.获取最新保存的模型
即上图中的model-9400
import tensorflow as tf
graph=tf.get_default_graph() # 获取当前图
sess=tf.Session()
sess.run(tf.global_variables_initializer())
checkpoint_file=tf.train.latest_checkpoint(model_path)
saver = tf.train.import_meta_graph({}.meta.for
2021-08-11 15:02:01
45KB
1