image classifier

图像分类模型，有三种训练方式：

• tf2.5.0 + keras 训练
• tf1.15.0 + estimator 训练
• tf1.15.0 + keras网络转成estimator 训练

训练数据

• 可以通过执行: python mnist_save_image.py 数据下载到当前工程目录 resource/mnist/download，解压到resource/mnist/extract/ ，最后保存到resource/mnist/train/ 和 resource/mnist/test/

当然可以选择修改config/project.cfg下的配置：

• [MNIST_REGION_CLASSIFIER]
• NET=MOBILENET_V0
• IMAGE_WIDTH=28
• IMAGE_HEIGHT=28
• CHANNELS=1
• SOURCE_IMAGE_TRAIN=resource/mnist/train/
• SOURCE_IMAGE_TEST=resource/mnist/test/
• SOURCE_IMAGE_DOWNLOAD=resource/mnist/download/
• SOURCE_IMAGE_EXTRACT=resource/mnist/extract/

用户有自己的训练数据，也可以在config/project.cfg下新增一个project

配置

config/project.cfg

• [MNIST_REGION_CLASSIFIER] -> project
• NET -> 网络结构名
• IMAGE_WIDTH -> input width
• IMAGE_HEIGHT -> input height
• CHANNELS -> input channels
• SOURCE_IMAGE_TRAIN -> 训练数据目录
• SOURCE_IMAGE_TEST -> 测试数据目录
• SOURCE_IMAGE_DOWNLOAD -> 下载数据目录（如果需要）
• SOURCE_IMAGE_EXTRACT -> 解压数据目录（如果需要）

config/train.cfg

• [TRAIN]
• EPOCHS -> 训练多少轮（keras 训练方式）
• STEPS -> 训练多少步（estimator 训练方式）
• INITIAL_LEARNING_RATE -> 初始学习率
• DECAY_STEPS -> 衰减速度
• DECAY_RATE -> 衰减系数
• MONITOR -> 被监测的数据
• MIN_DELTA -> 在被监测的数据中被认为是提升的最小变化
• PATIENCE -> 在监测质量经过多少轮次没有进度时即停止

agrs

• project -> 工程名
• net -> 网络结构
• time -> 根据时间生成的训练目录，如20210706-2130（如果之前生成了tfrecord，断掉训练后再次执行命令加上时间则可不用再次生成tfrecord，并且会从执行训练的checkpoint开始）
• steps -> 训练的步数（estimator 训练方式）
• epochs -> 训练多少轮（keras 训练方式）
• gpu -> 使用哪个GPU训练
• debug -> 是否是debug模型
• keras -> 是否使用keras训练

比如：

• python main.py -n mobilenet_v0 -k 0 -s 1000000
• python main.py -n mobilenet_v0 -k 1 -e 100000

后续只维护tk分支，别的分支不再维护