TensorFlow详解猫狗识别（三）--训练过程

感悟

在这段时间中，同时测试了几个神经网络的模型（LeNet、AlexNet、VGG16...）

感受到了调节超参数的重要性，单单对于LeNet来说，得出，当：

batch_size = 32

lr = 0.0001

max_step = 6000~10000

时函数收敛比较快，训练步数介于6000~10000时，训练出来的效果比较好，之前训练了一晚上100000步，第二天过来看预测结果，满心欢喜看到train_acc达到了100%，但用来识别精度大概在75%，模型出现了严重的过拟合，训练8000步的时候，预测结果很理想，100张网图，基本没有错。

而当lr设太小的话，模型不收敛或收敛的太慢，lr太大的话模型会出现震荡。

下面直接给出训练代码，里面会有详细注释。

代码

import os
import numpy as np
import tensorflow as tf
import test
import model
import timeN_CLASSES = 2
IMG_W = 208
IMG_H = 208
BATCH_SIZE = 16
CAPACITY = 2000 #队列中元素个数
MAX_STEP = 8000
learning_rate = 0.0001 #小于0.001print("I'm OK")
train_dir = 'E:\\Pycharm\\tf-01\\Bigwork\\train\\'  # 训练图片文件夹
logs_train_dir = 'E:\\Pycharm\\tf-01\\Bigwork\\savenet02\\'  # 保存训练结果文件夹train, train_label = test.get_files(train_dir)train_batch, train_label_batch = test.get_batch(train,train_label,IMG_W,IMG_H,BATCH_SIZE,CAPACITY)#训练操作定义
sess = tf.Session()train_logits = model.inference(train_batch, BATCH_SIZE, N_CLASSES)
train_loss = model.losses(train_logits, train_label_batch)
train_op = model.trainning(train_loss, learning_rate)
train_acc = model.evaluation(train_logits, train_label_batch)#train_label_batch = tf.one_hot(train_label_batch,2,1,0)
#测试操作定义summary_op = tf.summary.merge_all()#产生一个writer来写log文件
train_writer = tf.summary.FileWriter(logs_train_dir,sess.graph)
saver = tf.train.Saver()sess.run(tf.global_variables_initializer())
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(sess=sess,coord = coord)#加入队列，很重要tra_loss = .0
tra_acc = .0
# val_loss = .0
# val_acc = .0try:start = time.clock()#计算每一个step所花的时间for step in np.arange(MAX_STEP):if coord.should_stop():break_,tra_loss_,tra_acc_ = sess.run([train_op,train_loss,train_acc])# val_loss_, val_acc_ = sess.run([test_loss, test_acc])#下面这一段为我为了打印神经网络最后一层变化写的，可以不要'''train,label = sess.run([train_logits,train_label_batch])#print(train)L = []for i in train:max_ = np.argmax(i)L.append(max_)print(L)print(label)'''tra_loss = tra_loss+tra_loss_tra_acc = tra_acc+tra_acc_# val_loss = val_loss+val_loss_# val_acc = val_acc+val_acc_if (step+1) % 50 == 0 and step!=0:end = time.clock()print('Step %d, train loss = %.2f, train accuracy = %.2f%%' % (step+1, tra_loss/50, tra_acc * 100.0/50))#print('Step %d, val loss = %.2f, val accuracy = %.2f%%' % (step, val_loss/50,val_acc*100.0/50))print(str(end-start))tra_loss = .0tra_acc = .0summary_str = sess.run(summary_op)train_writer.add_summary(summary_str, step)start = time.clock()# 每隔2000步，保存一次训练好的模型if step%2000==0 or step == MAX_STEP-1:checkpoint_path = os.path.join(logs_train_dir, 'model.ckpt')saver.save(sess, checkpoint_path, global_step=step)except tf.errors.OutOfRangeError:print('Done training -- epoch limit reached')finally:coord.request_stop()coord.join(threads)
sess.close()

开始训练

下图我是每间隔10个step打印一次结果，可以看到，训练到2000多步的时候，精度已经可以达到了84%。

下一篇：预测

TensorFlow详解猫狗识别（三）--训练过程相关推荐

TensorFlow详解猫狗识别（一）--读取自己的数据集
数据集下载链接: https://pan.baidu.com/s/1SlNAPf3NbgPyf93XluM7Fg 密码: hpn4 数据集分别有12500张cat,12500张dog 读取数据集数 ...
Tensorflow实现kaggle猫狗识别（循序渐进进行网络设计）
这篇是tensorflow版本,pytorch版本会在下一篇博客给出友情提示:尽量上GPU,博主CPU上跑一个VGG16花了1.5h... Tensorflow实现kaggle猫狗识别数据集获取 ...
毕设：基于CNN卷积神经网络的猫狗识别、狗品种识别(Tensorflow、Keras、Kaggle竞赛)
基于卷积神经网络的图像识别算法及其应用研究毕业快一年了,拿出来分享给大家,我和网上唯一的区别就是,我能够同时实现两个方案(猫狗识别和狗品种识别),我当时也是网上各种查,花了2,3个月的时间,一个萝卜 ...
详解pytorch实现猫狗识别98%附代码
详解pytorch实现猫狗识别98%附代码前言一.为什么选用pytorch这个框架? 二.实现效果三.神经网络从头到尾 1.来源:仿照人为处理图片的流程,模拟人们的神经元处理信息的方式 2.总览 ...
【卷积神经网络】CNN详解以及猫狗识别实例
文章目录一.卷积神经网络(CNN)介绍 1.1 整体结构 1.2 说明 1.3 特点 1.4 应用领域二.配置实验环境三.猫狗识别实例 3.1 准备数据集 3.2 图片分类 3.3 网络模型搭建 ...
深度学习之CNN卷积神经网络详解以及猫狗识别实战
文章目录 CNN 解决了什么问题? 需要处理的数据量太大图像简单数字化无法保留图像特征 CNN核心思想局部感知参数共享卷积神经网络-CNN 的基本原理卷积--提取特征池化层(下采样)--数 ...
猫狗大战——基于TensorFlow的猫狗识别（2）
微信公众号:龙跃十二我是小玉,一个平平无奇的小天才! 上篇文章我们说了关于猫狗大战这个项目的一些准备工作,接下来,我们看看具体的代码详解. 猫狗大战--基于TensorFlow的猫狗识别(1) 文件 ...
使用Tensorflow 2进行猫狗分类识别
使用Tensorflow 2进行猫狗分类识别本文参照了大佬Andrew Ng的所讲解的Tensorflow 2视频所写,本文将其中只适用于Linux的功能以及只适用于Google Colab的功能改 ...
tensorflow 猫狗识别数据增强
文章目录卷积网络参数网络配置模型训练和效果展示完整代码数据增强角度旋转平移变换缩放 channel_shift 翻转 rescale变化图像填充任务介绍: 有猫和狗的图片,需要对这 ...

TensorFlow详解猫狗识别（三）--训练过程

感悟

代码

开始训练

TensorFlow详解猫狗识别（三）--训练过程相关推荐

最新文章

热门文章

TensorFlow详解猫狗识别 （三）--训练过程

感悟

代码

开始训练

TensorFlow详解猫狗识别 （三）--训练过程相关推荐

最新文章

热门文章

TensorFlow详解猫狗识别（三）--训练过程

TensorFlow详解猫狗识别（三）--训练过程相关推荐