python模型训练_python模型训练与预测练习
python模型训练与预测练习
发布时间:2018-03-09 17:49,
浏览次数:368
, 标签:
python
我是照着YouTube上的机器学习视频做的,视频里讲的比较简洁,下来自己做遇到不少坑。
tensorflow for
poets网站:https://codelabs.developers.google.com/codelabs/tensorflow-for-poets/index.html?index=..%2F..%2Findex#1
我的流程如下:
首先下载anaconda,对应python2.7版本(3.6的感觉不好用,要重新导入很多东西,学习代码反而不方便),环境变量设置一下
然后使用其下载tensorflow,在anaconda目录下的envs下就是tensorflow了。
学习使用的文件有2个,一个是tensorflow-for-poets-2,在上面网站第二步中下载。一个是训练用的图片素材,在第三步下载。
接下来就是训练模型了(使用的模型并不是完全未经过训练的,只是我们可以再训练)
进入命令提示符cmd——激活tensorflow,即输入activate
tensorflow(不然到时候找不到tensorflow)——进入tensorflow-for-poets-2目录下,即输入cd
tensorflow-for-poets-2(当然这个tensorflow-for-poets-2要在你当前路径下,即放在你打开cmd时显示的路径下,图片文件夹tf_files放tensorflow-for-poets-2目录下,当然你可以放别处,只是下面的配置稍作更改)
接下来你可以看看scripts脚本下retrain.py的信息,即输入python -m scripts.retrain
-h,根据显示的信息进行配置,比如我用的是:python -m scripts.retrain
--bottleneck_dir=tf_files/bottlenecks --how_many_training_steps=500
--model_dir=tf_files/models/ --summaries_dir=tf_files/training_summaries/basic
--output_graph=tf_files/retrained_graph.pb
--output_labels=tf_files/retrained_labels.txt
--architecture="mobilenet_0.50_224" --image_dir=tf_files/flower_photos
以上配置在显示的信息中都有说明。当我们输入以上配置,enter后,训练就开始了,训练使用时间根据你的architecture设置是什么而定,如果是inception_v3,那么精度高耗时多,如果如上面用mobilenet那么时间要快点。在这里就等等吧。
当以上训练完成后,我们可以给它一张图片进行预测,比如输入:python -m scripts.label_image
--graph=tf_files/retrained_graph.pb
--image=tf_files/flower_photos/daisy/21652746_cc379e0eea_m.jpg这里需要更改的就是图片了,此处设为原始训练库中的花,enter后,输出如下:Evaluation
time (1-image): 0.359s
daisy 0.99115634
dandelion 0.0063383654
sunflowers 0.0024961976
roses 6.5435215e-06
tulips 2.6802825e-06
可以看到,这张图片99%以上概率是雏菊,结果正是如此。
然后我在网上随意下了一张雏菊的图片(而且角度很刁钻,从下往上拍的照片,白色花瓣的背景是白云,不是很清晰),预测结果也是高于99%
以上就是第一个练习。
python模型训练_python模型训练与预测练习相关推荐
- python cnn程序_python cnn训练(针对Fashion MNIST数据集)
本文将和大家一起一步步尝试对Fashion MNIST数据集进行调参,看看每一步对模型精度的影响.(调参过程中,基础模型架构大致保持不变) 废话不多说,先上任务: 模型的主体框架如下(此为拿到的原始代 ...
- python房价预测模型_python随机森林房价预测
Kaggle房价预测 作为Kaggle竞赛中的经典入门题目,我主要在kernels中学习其他人分析和处理数据的流程,首先是通过各类plt的图表,分析数据特征和房价之间的相关性 载入数据集 df_tra ...
- 用python计算准确率_Python下的scikit-learn预测准确率计算(代码实例)
1.评价 x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=1, train_size=0.6) # 分类器 ...
- python基于模型对测试集和训练集的预测概率结果文件可视化模型的校准曲线、多个模型的校准曲线(calibration curve)
python基于模型对测试集和训练集的预测概率结果文件可视化模型的校准曲线.多个模型的校准曲线(calibration curve) 目录
- 怎么用python进行回归预测_使用Python训练回归模型并进行预测
摘要:本篇文章将介绍在python中使用机器学习库sklearn建立简单回归模型的过程. 回归分析是一种常见的统计方法,用于确定不同变量间的相互关系.在Excel中可以通过数据分析菜单中的回归功能快速 ...
- 简单数据预测—使用Python训练回归模型并进行预测(转自蓝鲸网站分析博客)
使用Python训练回归模型并进行预测 回归分析是一种常见的统计方法,用于确定不同变量间的相互关系.在Excel中可以通过数据分析菜单中的回归功能快速完成.本篇文章将介绍在python中使用机器 ...
- Java如何跨语言调用Python/R训练的模型
在 如何使用sklearn进行在线实时预测(构建真实世界中可用的模型) 这篇文章中,我们使用 sklearn + flask 构建了一个实时预测的模型应用.无论是 sklearn 还是 flask,都 ...
- PyTorch(Python)训练MNIST模型移动端IOS上使用Swift实时数字识别
识别手写数字是计算机视觉的基石问题,可以通过神经网络来解决.在此,我不会重复有关模型构建和训练的细节. 本文中,我的目的是将经过训练的模型移植到移动环境中.我使用 pytorch 构建模型,因为我想尝 ...
- python基于训练集预测_Python中训练集/测试集的分割和交叉验证
原标题:Python中训练集/测试集的分割和交叉验证 嗨,大家好!在上一篇关于Python线性回归的文章之后,我认为撰写关于切分训练集/测试集和交叉验证的文章是很自然的,和往常一样,我将对该主题进行简 ...
最新文章
- git 裁切_裁切参数设计(DOE试验)
- C#中切割字符串之正则表达式应用
- nginx多层反向代理获取客户端真实ip
- 【找规律】HDU 4662——MU Puzzle
- symfony学习笔记——路由
- Java Web开发技术详解~Web的概念
- 虚拟机linux中怎样打开qt,虚拟机中在Centos 4.7中安装qt-x11-opensource-4.4.3
- Spring配置跨域请求
- scss转换成css,hotcss
- data fastboot 擦除_fastboot命令大全
- QQ浏览器怎么关闭云加速 QQ浏览器云加速关闭方法
- C语言!鸡兔同笼的程序
- 插上移动硬盘计算机没反应,移动硬盘插电脑没反应怎么办解决教程
- 高通wlan驱动之tgt_mgmt_txrx_rx_frame_handler函数
- AD转换为KiCAD的方法
- 固有的不可移植的特征之volatile限定符
- Next '21 大会倒计时 1 天丨与 Google Cloud 一起寻找打开数字化的“云钥匙”
- urllib.parse.parse_qsl 的一个小问题
- localStorage 浏览器缓存
- linux系统创建RAID0、1、10、50