1.0tensorflow的安装

1.1安装python

安装时勾选Add Python 3.7 to PATH，把python添加到环境变量。

1.2安装tensorflow

打开命令行，执行

pip install tensorflow==2.1.0

pip 会安装tensorflow和一些其他的依赖

1.3安装vc++2015-2019redist…

tensorflow的另一个依赖(很多tensorflow安装失败的原因就是这个没安装)

https://support.microsoft.com/en-us/help/2977003/the-latest-supported-visual-c-downloads

1.4安装CUDA和CUDNN

cuda: https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

cudnn: https://developer.nvidia.com/rdp/cudnn-download(需要注册nvidia账号)

cudnn下载后是个压缩文件，要把他解压出来放在CUDA里，如下图

高版本CUDA缺失cudart64_101.dll，下载后放在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin里

https://cn.dll-files.com/cudart64_101.dll.html

2.0CASIA实战

2.1CASIA数据集

可以从网上下载casia数据集，

这里以casia数据集为例，现实中可以使用自己需要的数据集。

2.2数据集的处理

建立data和test两个文件夹，把casia复制到里面

目录是这样的./data/000/000_0.bmp

data.py处理数据，其实就是遍历，匹配，删除

import os

data = './data'

dirs = os.listdir(data)

for dir in dirs:

for file in os.listdir(data + '/' + dir):

if file.endswith("4.bmp"):

os.remove(data + '/' + dir + '/' + file)

test = './test'

tdirs = os.listdir(test)

for dir in tdirs:

for file in os.listdir(test + '/' + dir):

if file.endswith("0.bmp"):

os.remove(test + '/' + dir + '/' + file)

if file.endswith("1.bmp"):

os.remove(test + '/' + dir + '/' + file)

if file.endswith("2.bmp"):

os.remove(test + '/' + dir + '/' + file)

if file.endswith("3.bmp"):

os.remove(test + '/' + dir + '/' + file)

2.3训练代码

casia.py

import os

import tensorflow as tf

from tensorflow.keras.models import Sequential

from tensorflow.keras.layers import Dense, Conv2D, Flatten, Dropout, MaxPooling2D

from tensorflow.keras.preprocessing.image import ImageDataGenerator

import numpy as np

/*我直接建立了个0000，1111，...这样的数组作为标签*/

#data标签

arr = []

for i in range(100):

for j in range(4):

arr.append(i)

arr = np.array(arr)

#test标签

tarr = []

for i in range(100):

tarr.append(i)

tarr = np.array(tarr)

#训练集

pwd='./data'

dirs = os.listdir(pwd)

imgs = []

for dir in dirs:

for file in os.listdir(pwd + '/' + dir):

image = tf.io.read_file(pwd + '/' + dir + '/' + file)

img = tf.image.decode_bmp(image,channels=3)

imgs.append(img)

print("[*]训练集加载完毕")

print(imgs[0].shape)

#验证集(测试集)

tpwd='./test'

tdirs = os.listdir(tpwd)

timgs = []

for tdir in tdirs:

for tfile in os.listdir(tpwd + '/' + tdir):

timage = tf.io.read_file(tpwd + '/' + tdir + '/' + tfile)

timg = tf.image.decode_bmp(timage,channels=3)

timgs.append(timg)

print("[*]验证集加载完毕")

print(timgs[0].shape)

#神经网络模型

model = Sequential([

Conv2D(16, (3,3), padding='same', activation='relu',input_shape=(480,640,3)),

MaxPooling2D(),

Conv2D(64, (3,3), padding='same', activation='relu'),

MaxPooling2D(),

Conv2D(128, (3,3), padding='same', activation='relu'),

MaxPooling2D(),

Flatten(),

Dense(128, activation='relu'),

Dense(100, activation='softmax'),

])

model.summary()//打印神经网络模型

#优化器

model.compile(optimizer=tf.keras.optimizers.Adam(),

loss='sparse_categorical_crossentropy',

metrics=['accuracy'])

#训练

ds = tf.data.Dataset.from_tensor_slices((imgs,arr))

ds = ds.batch(16)

ds = ds.prefetch(buffer_size=tf.data.experimental.AUTOTUNE)

model.fit(ds,epochs=20)

tds = tf.data.Dataset.from_tensor_slices((timgs,tarr))

tds = ds.prefetch(buffer_size=tf.data.experimental.AUTOTUNE)

model.evaluate(tds, verbose=2)

#保存

tf.saved_model.save(model, "./tmp/")

2.4训练与验证

在命令行运行 python casia.py进行训练

predict.py

import os

import tensorflow as tf

import numpy as np

/*这里显卡内存不够了*/

from tensorflow.compat.v1 import ConfigProto

from tensorflow.compat.v1 import InteractiveSession

config = ConfigProto()

config.gpu_options.allow_growth = True

session = InteractiveSession(config=config)

/*显卡内存*/

model_path = './tmp' //加载模型

test_path = "./test/002/002_4.bmp"//这里就是个栗子

model = tf.keras.models.load_model(model_path, custom_objects=None, compile=True)

image = tf.io.read_file(test_path)

img = tf.image.decode_bmp(image,channels=3)

img = img[tf.newaxis, ...]

res = model.predict(

img, batch_size=None, verbose=0, steps=None, callbacks=None, max_queue_size=10,

workers=1, use_multiprocessing=False

)

pred = tf.argmax(res, axis=1)

print (pred[0])

print (res[0,pred[0]])

总结

到此这篇关于tensorflow 2.1.0 安装与实战(CASIA FACE v5)的文章就介绍到这了,更多相关tensorflow 2.1.0 安装内容请搜索python博客以前的文章或继续浏览下面的相关文章希望大家以后多多支持python博客！