通过CNN训练自己的数据集(总)

第一步,将输入的图片分类放在InputImage中,输出的图片统一放在inputdata文件夹,并且生成tfrecord文件。
第二步,定义了几个函数,定义的函数在第五步测试时候被调用
第三步,定义模型,没有输入,也没有输出,只是定义了几个函数

第四步,训练,生成ckpt文件,确定两个路径,分别是

train_dir 即shuffle后放在同一个文件夹的路径
logs_train_dir 即CKPT文件保存路径

    为什么val_writer被注释掉?    

第五步,测试,输入两个路径,train_dir 即shuffle后放在同一个文件夹的路径 logs_train_dir 即CKPT文件保存路径

输出为图片及其准确率。

 

test函数需要改进,改为批量读取。同时弄清楚test的原理,改变文件夹方式
              对训练用的图片生成测试集或者验证集,那训练时候怎么对输入的图片进行处理的呢?
    get_one_image图片需要处理下

并非使用模型训练,而是自己构建模型,训练出参数,然后保存参数,进行测试

来自之前调试的机车训练模型半成品


主要问题:分类识别率在50%,有点低。这个概率是否正确


改进:也许不正确,因为是根据softmax来的。只要大于0.5就说明准确率高呢。可以手工验证,多次读取图片,机器进行判断,然后查看
1、

你可能感兴趣的:(tensorflow,CNN)