TensorFlow Hub 模型复用（Jinpeng）

TF Hub目的是为了更好复用已训练好的模型，可节省海量的训练时间和计算资源。预训练好的模型，可以进行直接部署，也可以进行迁移学习（Transfer Learning）。

本书是使用TF Hub中的Inception V3模型，针对mnist图像进行迁移学习。mnist图像资源获取地址：https://github.com/dpinthinker/mnist_image_png_jpeg

具体操作方法参考https://www.tensorflow.org/hub/tutorials/image_retraining，如下

  • 获取retrain.py脚本
  1. curl -LO https://github.com/tensorflow/hub/raw/master/examples/image_retraining/retrain.py
  • 进行迁移学习，该过程会持续很长时间，停止后可以增量训练
  1. python retrain.py --image_dir your_mnist_img_path

默认生成的模型在/tmp/output_graph.pb，对应的label数据在/tmp/output_labels.txt。

  • 获取label_imange.py脚本
  1. curl -LO https://github.com/tensorflow/tensorflow/raw/master/tensorflow/examples/label_image/label_image.py
  • 对迁移学习训练完的模型进行验证
  1. python label_image.py \
  2. --graph=/tmp/output_graph.pb \
  3. --labels=/tmp/output_labels.txt \
  4. --input_layer=Placeholder \
  5. --output_layer=final_result \
  6. --image=your_mnist_test_img_<number>.jpg

结果如下：

  1. 3 0.92819667
  2. 2 0.027902907
  3. 5 0.018210107
  4. 9 0.010902734
  5. 7 0.0056838035

这里产生的模型output_graph.pb，可以在通过服务器端部署，也可以在通过 tflite_convert 转换后部署到边缘设备。