shartoo +

深度学习:mxnet重新训练inceptionv3模型

本文总阅读量
欢迎star我的博客

代码和数据位置

预备数据

mxnet需要先生成训练集和测试集的文件列表,文件列表示例如下:

列表文件示例

其中第一列为文件id,第二列为文件标签,第三列为文件名。根据这个列表文件生成mxnet所需的.rec文件,执行代码为:

  ~/mxnet/bin/im2rec temp.lst ../all_img/ test.rec resize=480 quality=90

示例代码为:

 /home/xiatao/mxnet/bin/im2rec train_BackLight.txt /data/bot_img/bot_secondround/all/ train_backlight.rec resize=480 quality=90

训练代码

不同的模型所使用的参数不一样,基本的训练过程都写在fine_tune.py这个代码中,我们只需要在执行时指定不同参数即可。

python ~/mxnet/example/image-classification/fine_tune_0923.py --data-dir    # 图片数据目录
--model-prefix ./model/Inception-3 #pre_train模型存放的路径,需要*.params文件和一个.json文件
--save-model-prefix ./save/   #此目录必须先建好,否则保存模型时会报错
--num-epochs 5 #总共要训练到第几个epoch
--load-epoch 1  #从编号为1的pre_trian模型开始训练
--gpus 0
--num-examples     # 训练样本数
--num-classes      # 分类数目,不同的分类任务,分类数不一样
--log-dir         #手动执行日志文件目录 /home/xiatao/mylogs/bot_logs
--log-file        # 日志名称
--train-dataset train_0923.rec
--val-dataset val_0923.rec

模型预测

预测代码:

python ~/mxnet/example/image-classification/0923_predict.py --prefix ./save0923/ --epoch 17 --path ../img_t6_val/

我的博客

观点

源码