Help us understand the problem. What is going on with this article?

Tensorflowの画像分類でよさこいの鳴子を判定する。

メモ

tensorflowで分類分けをしてみましたので、メモを残しときます。
かなり古いPC(10年前ぐらいのPCにUbuntuを載せてます)の環境で画像の分類分けをする際、
テンソルフローのバージョンを1.5にしないとCPUの仕様で動かないらしいです。

※画像分類分けに関して参考にしたサイト
https://blog.ch3cooh.jp/entry/20180930/1538287200

ざっくりファイル処理内容の説明

  1. retrain.pyというファイルで分類分けし学習モデルを作成します。
    今回は鳴子の画像と猫の画像を学習させました。(フォルダ分けして猫と鳴子をそれぞれの画像を入れてます)

  2. label_image.pyというファイルで学習モデルを参照してテスト画像を判定します。
    今回はテスト画像に鳴子を用意し判定しました。

尚、それぞれのファイルにパラメーターとして階層など場所を渡しています。

2020-09-04_15-55-37.png

pip install tensorflow==1.5
pip install tensorflow_hub==0.2.0
python retrain.py \
  --bottleneck_dir=bottlenecks \
  --how_many_training_steps=1000 \
  --model_dir=inception \
  --summaries_dir=training_summaries/basic \
  --output_graph=retrained_graph.pb \
  --output_labels=retrained_labels.txt \
  --image_dir=img
python label_image.py  \
  --graph=retrained_graph.pb  \
  --labels=retrained_labels.txt  \
  --output_layer=final_result  \
  --image=test_images/x.jpg  \
  --input_layer=Mul

ソースは下記よりダウンロード
https://github.com/tensorflow/tensorflow/tree/r1.5/tensorflow

wget https://raw.githubusercontent.com/tensorflow/tensorflow/r1.5/tensorflow/examples/label_image/label_image.py
wget https://raw.githubusercontent.com/tensorflow/tensorflow/r1.5/tensorflow/examples/image_retraining/retrain.py
Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
No comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
ユーザーは見つかりませんでした