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)
- Docker-tensorflow跑VGG16
- 利用TensorFlow实现VGG16
- vgg16 on keras for tensorflow
- VGG16
- Docker TensorFlow
- TensorFlow-docker
- 基于tensorflow + Vgg16进行图像分类识别的实验
- 基于tensorflow + Vgg16进行图像分类识别的实验
- 基于tensorflow + Vgg16进行图像分类识别的实验
- TensorFlow实现中文字体分类(三):模型-VGG16
- Docker部署Tensorflow
- windows docker安装 tensorflow
- Docker windows安装tensorflow
- TensorFlow Docker一览
- TensorFlow + Docker + PyCharm
- vmware + ubuntu + docker+ tensorflow
- 使用Docker运行TensorFlow
- docker coentos7 tensorflow
- EndNote导入文献出现带有大括号{}乱码的解决办法
- 超微推出全新深度学习计算系统:搭配8 Tesla P100 GPU
- java多线程管理 concurrent包用法详解
- Android 6.0 运行中手动去设置界面取消该app的某个权限,导致application被强制销毁造成app崩溃问题的解决
- windows 下安装nodejs
- Docker-tensorflow跑VGG16
- PSO-粒子群优化算法
- 边缘检测
- iOS 制作 Framework (1)
- Java多线程编程模板实现。
- STL总结
- 测试人员30岁前必须明白的2件事
- galleryfinal 实现Android图片单选/多选、拍照、裁剪、压缩。视频选择和录制。
- ThreadLocal