Docker-tensorflow跑VGG16

来源：互联网发布：js 注解编辑：程序博客网时间：2024/05/18 03:31

在我们的实际项目中，一般不会直接从第一层直接开始训练，而是通过在大的数据集上（如ImageNet）训练好的模型，把前面那些层的参数固定，在运用到我们新的问题上，修改最后一到两层，用自己的数据去微调（finetuning）,一般效果也很好。

如果要在docker上的tensorfow上跑，我们需要做以下几件事情：

1.下载好VGG16的权重文件

一般是 VGG16_Weights.npy ,或者VGG_Weights.npz，可以自行百度上搜，文件比较大，我下的是537M，外网比较慢的话，可以从百度网盘上下；

（补充一个VGG下载链接（墙外）：https://mega.nz/#!YU1FWJrA!O1ywiCS2IiOlUCtCpI6HTJOMrneN-Qdv3ywQP5poecM）

2. 把主机上包含VGG16_Weights.npy权重的文件夹挂载到tensorflow上

由于文件很大，不可能直接上传，docker给镜像提供了挂载机制，具体操作是通过docker -v 主机地址：挂载目录的方式，以我的为例：

docker run -it - p 8888:8888 -v /home/zhu/Downloads:/aa/data tensorflow/tensorflow

通过这种方式，我就把我Downloads文件夹挂载到了tensorflow上，就可以直接引用了；

可以检查以下是否挂载成功：

# cd  /aa/data# lsdata   data1(1)  input_data.py     rtl8192eu-master.zip   tensorflow-vgg-master.zip  vgg16_weights.h5data1  data2     rtl8192eu-master  tensorflow-vgg-master  vgg16.py                   vgg16_weights.npz

3. 定义VGG网络结构

github上有很多开源代码，这里给出一个https://github.com/leihe001/tensorflow-vgg

4. 根据需要修改网络结构

5.fine-tuning VGG

finetuning的流程可以参见 http://blog.csdn.net/andrewseu/article/details/70142950 caffe finetuning CaffeNet流程总结

补充：

不fine-tuning的情况下提取VGG特征

参考资料：

1. https://my.oschina.net/piorcn/blog/324202（docker挂载文件目录）

2. http://scikit-image.org/docs/dev/install.html（scikit-image）

3. https://github.com/leihe001/tensorflow-vgg（VGG16 & VGG19）

4. http://www.cnblogs.com/dmir/p/5009075.html（.npy&.npz文件）

0 0