基于jupyter notebook的tensorflow与OpenCV的图像识别与分类（Ubuntu环境下）

jupyter notebook的图像识别与分类

本教程主要是在jupyter notebook进行测试一个图像识别与分类的小例子（flower文件里的flower包含roses和sunflowers的图片）

ip地址的查看

我可以首先使用“ifconfig”命令查看并复制ip地址

进入到测试数据的目录下

flower文件夹的内容提取码：4hjb

jupyter notebook的打开

我们可以通过如下命令打开jupyter notebook：

jupyter notebook --ip 192.168.10.129

这里需要注意两点的是：一、ip地址每个人都不同，请自行修改ip地址，再执行命令。二、执行该命令会以当前目录为根目录打开jupyter book。

jupyter notebook运行测试代码

该代码包含了训练和测试模型的代码，点击可以进去查看源代码。

接着，我们可以通过这个“重启服务”这个按钮，重新执行该页面的所有的代码

代码执行完之后"[ ]"里的 “ * ” 会变成执行顺序的标号，未执行的代码“[ ]”内依旧是“ * ”

我们也可以从代码执行的结果中看出“val_loss”和“val_acc”这两个值

注意：执行完代码最好要在“服务”中进行手动“关闭””，以免一直占用着内存、CPU、GPU。

代码执行完，我们返回到根目录，可以看出执行完的代码变成了绿色，下方出现了5个以.hdf5为后缀的文件，这5个文件是刚才代码训练出来的5个模型。

第一列的数字是生成模型的顺序

第二列是模型的训练过程中的损失率（loss）

第三列是模型的训练过程中的准确率（acc）

打开模型训练的分析结果图

模型训练结束后，根目录会有一个“tensorboard”的文件夹，里面是tensorboard的一些信息，不能点击打开。

我们可以通过Chrome浏览器打开tensorboard，这样可以更直观的看到训练模型的结果，先执行如下命令获取端口：

tensorboard --logdir tensorboard

这里需要注意的是：jupyter notebook运行过程中的运行界面是不能终止的，如下图：
那么，我们可以**新建标签页或者新建窗口**去执行此代码

输入命令后，我们可以看到访问tensorboard的端口是“6006”

那么，我们可以通过ip地址和端口组成的网址在Chrome浏览器去访问tensorboard

192.168.10.129:6006

通过训练出来的模型进行图片分类

我们可以用一个准确度较高的模型去对flower文件夹里的图片进行一个分类。

第一步： 复制模型的名称

第二步： 点击PredictAndMove.ipynb进到源代码

第三步：将训练出来的模型名称粘贴到下图的方框处


接着点击重启服务


这里运行出来的结果是输出的是网络模型（TrainAndTest_VGG.ipynb的input）

第四步： 代码执行结束后，回到根目录，我们可以看到多了一个文件夹“predict”，这是一个已经将图片分好类的文件夹。

我们可以点击进去看看


我们随便点击一张图片可以看到文件夹名是“roses”,但点击开来的图片是“向日葵”，并不是“玫瑰花”。
那么，我可以修改“PredictAndMove.ipynb”文件的源代码，将以下这两个名称调转一下，然后“predict”的文件删除，再运行一次“PredictAndMove.ipynb”源代码，即可得到“roses”对应的是“玫瑰花”，“sunflowers”对应的是“向日葵”。

以下是一些关于jupyter notebook的相关资料：
jupyter notebook的相关简介
jupyter notebook的相关操作（1）
jupyter notebook的相关操作（2）