19/02/2019

“TensorFlow-bibliothèque de modèles de classification des images minces” N. Silberman et S. Guadarrama, 2016. https://github.com/tensorflow/models/tree/master/research/slim pour utiliser TF-Slim pour la classification des images, vous devez également installer la bibliothèque de modèles d`images TF-Slim, qui ne fait pas partie de la bibliothèque TF de base. Pour ce faire, consultez le référentiel tensorflow/modèles comme suit: cela mettra la bibliothèque de modèles d`image TF-Slim dans $HOME/Workspace/Models/Recherchen/Slim. (Il créera également un répertoire appelé modèles/création, qui contient une version plus ancienne de Slim; vous pouvez en toute sécurité ignorer cela.) Pour exécuter le graphique obtenu en C++, vous pouvez consulter l`exemple de code label_image: pour commencer, vous devrez vous inscrire à un compte avec [ImageNet] (http://image-net.org) pour accéder aux données. Recherchez la page d`inscription, créez un compte et demandez une clé d`accès pour télécharger les données. Dans le tableau ci-dessous, nous énumérez chaque modèle, le fichier de modèle TensorFlow correspondant, le lien vers le point de contrôle du modèle, et la précision supérieure 1 et 5 (sur le jeu de tests imagenet). Notez que les paramètres VGG et ResNet v1 ont été convertis à partir de leurs formats Caffe originaux (ici et ici), tandis que les paramètres de création et ResNet v2 ont été formés en interne chez Google. Sachez également que ces précisions ont été calculées en évaluant l`utilisation d`une seule culture d`image.

Certains documents académiques rapportent une plus grande précision en utilisant plusieurs cultures à plusieurs échelles. Une fois que vous avez USERNAME et PASSWORD, vous êtes prêt à exécuter notre script. Assurez-vous que votre disque dur dispose d`au moins 500 Go d`espace libre pour le téléchargement et le stockage des données. Ici, nous sélectionnons DATA_DIR = $HOME/imagenet-Data en tant que tel un emplacement mais n`hésitez pas à éditer en conséquence. Le format tfrecord se compose d`un ensemble de fichiers partitionnées où chaque entrée est un TF sérialisé. Exemple proto. Chaque TF. L`exemple proto contient l`image ImageNet (encodée JPEG) ainsi que des métadonnées telles que des informations sur les étiquettes et les boîtes de délimitation. Les modèles ResNet v2 utilisent le prétraitement initial et la taille d`image d`entrée de 299 (utilisez–preprocessing_name création–eval_image_size 299 lors de l`utilisation de eval_image_classifier. py).

Les numéros de performance des modèles ResNet v2 sont signalés sur le jeu de validation ImageNet. TF-Slim est une nouvelle API légère de haut niveau de TensorFlow (tensorflow. contrib. Slim) pour la définition, la formation et l`évaluation de modèles complexes. Ce répertoire contient du code pour la formation et l`évaluation de plusieurs modèles de classification d`image de réseau neuronal convolutionnel (CNN) largement utilisés à l`aide de TF-Slim.

Categorías | Sin categoría

Los comentarios están cerrados.