Python 基于张量流的图像识别

我是TensorFlow的新手，正在寻求图像识别方面的帮助。是否有一个示例演示了如何使用TensorFlow来训练您自己的数字图像，以进行图像识别，如中使用的图像网络模型

---

我查看了CIFAR-10模型培训，但它似乎没有提供培训您自己图像的示例。

我建议使用谷歌经过培训的Inception模型进行图像识别。 请参考tensorflow网站上的示例“如何为新类别重新培训Inception的最后一层”。现在是

使用经过训练的模型很容易，并且可以达到合理的精度。您只需向模型提供您自己的数据集。谷歌《盗梦空间》的最后一个分类层将被修改，我们只训练最后一层。对于数千张包含多个类别的图像，只需几个小时即可完成训练。 请注意：为了使用该示例，您必须从源代码构建tensorflow

我正在使用迁移学习功能，并取得了非常好的效果。为了说明迁移学习的好处，我将“在经过培训的谷歌网上进行迁移学习”与“从头开始构建并培训一个5层的网络”进行比较。分类任务是在5个类别的5000幅图像上完成的

---

请看这个简单的示例：（在5分钟内构建一个TensorFlow图像分类器）

此repo为您自己的图像提供最终层图像重新训练

将图像添加到“数据集文件夹”

添加越来越多的图像（每个类至少需要30个图像。）

首先执行bash脚本以下载Imagenet文件

接下来，运行python脚本重新训练图像，输出验证精度等

---

您可以使用mnisten将图像转换为idx格式，然后使用tensor flow mnist教程，使用@Alfred1389中的答案修改代码，我无法构建mnisten脚本。它在src/main.cpp:11:/usr/local/include/opencv/cv.hpp:50:10包含的文件中生成此错误

：错误：“未找到包含的cv.h”文件；改为使用“引号”#包含^src/main.cpp:12:10:致命错误：“未找到opencv2/highgui.hpp”文件#包含^2个生成的错误。make:**[mnisten]错误1

是否有相同的文档，而不仅仅是youtube视频？tensorflow文档在图像重训练中受到限制。