深度学习tensorflow实战笔记（5）用预训练好的VGG-16模型提取图像特征

     上一篇博客介绍了如果使用自己训练好的模型用于图像分类和特征提取，但是有时候自己的数据集大小有限，所以更多的时候我们需要用VGG-16预训练好的模型提取特征，相关学者预训练好的模型使用的都是公开的标准数据集，所以我们直接用预训练的模型提取我们自己图像的特征，可以用于对图像进行描述。

 1、首先就要下载模型结构

      首先要做的就是下载训练好的模型结构和预训练好的模型，结构地址是：点击打开链接

     预训练好的模型是VGG16.npy，这个文件需要单独下载，上面那个连接上有下载连接，不过一般打不开，我把网盘地址分享  出来，希望可以帮助需要的人。

  链接：https://pan.baidu.com/s/1rymDeCXiIGP-Uu7Qm3tWIQ 密码：sp1j

     模型结构如下：

  文件test_vgg16.py可以用于提取特征。其中vgg16.npy是需要单独下载的文件。

2、使用预训练的模型提取特征

    打开test_vgg16.py，做如下修改：

import numpy as np
import tensorflow as tf

import vgg16
import utils

img1 = utils.load_image("./test_data/tiger.jpeg")
img2 = utils.load_image("./test_data/puzzle.jpeg")

batch1 = img1.reshape((1, 224, 224, 3))
batch2 = img2.reshape((1, 224, 224, 3))

batch = np.concatenate((batch1, batch2), 0)

# with tf.Session(config=tf.ConfigProto(gpu_options=(tf.GPUOptions(per_process_gpu_memory_fraction=0.7)))) as sess:
with tf.device('/cpu:0'):
    with tf.Session() as sess:
        images = tf.placeholder("float", [2, 224, 224, 3])
        feed_dict = {images: batch}

        vgg = vgg16.Vgg16()
        with tf.name_scope("content_vgg"):
            vgg.build(images)

        prob = sess.run(vgg.fc7, feed_dict=feed_dict)   #需要提取哪一层特征，就在这里做修改，比如fc6，只需要把vgg.fc7修改为vgg.fc6
        print(prob)
       # utils.print_prob(prob[0], './synset.txt')
       # utils.print_prob(prob[1], './synset.txt')

  提取哪一层的特征，需要把名字修改一下即可，而名字可以查vgg16.py，里面定义了每一层的名字。

 自此，所有操作已经完毕，相对还是挺简单的。