TensorFlow 图像分类器

这是在 YouTube 上“5 分钟学会 TensorFlow 图像分类器”视频中的代码。请以 Google 提供的 CodeLab 作为指南。此外，这个 教程 也非常有帮助。

需求

• Docker

使用方法

你只需要创建一个名为“classifier”的目录，并在其内部再创建一个名为“data”的目录，将所有图片放入其中。

例如：

[any_path]/my_own_classifier/
[any_path]/my_own_classifier/data
[any_path]/my_own_classifier/data/car
[any_path]/my_own_classifier/data/moto
[any_path]/my_own_classifier/data/bus

然后将你的图片放进去。这个“classifier”目录不仅会存放你的样本数据，执行“train.sh”脚本后还会生成训练好的分类器。

训练流程

只需输入以下命令：

./train.sh [any_path]/my_own_classifier

它就会自动完成所有操作！

预测流程

单张图片的预测：

./guess.sh [any_path]/my_own_classifier /yourfile.jpg

对整个目录中的图片进行预测：

./guessDir.sh [any_path]/classifier [any_path]/srcDir [any_path]/destDir

结果示例

# ./guess.sh /synced/tensor-lib/moto-classifier/ /synced/imagesToTest/moto21.jpg
moto (score = 0.88331)
car (score = 0.11669)

由于脚本不支持相对路径（卷挂载），请为分类器和图片使用绝对路径。

挑战

为科学家们制作一个属于自己的分类器，然后将此仓库克隆一份，并在其中上传你重新训练得到的模型。（你可以将其命名为 retrained_graph.pb，文件大小约为 80 MB。如果太大无法上传到 GitHub，可以将其上传到 Dropbox，并在 README 中提供下载链接）

致谢

感谢 Xblaster 提供了大部分代码。我所做的只是封装了一个简单的调用接口。

tensorflow_image_classifier 快速上手指南

本工具基于 TensorFlow 实现图像分类，支持通过少量样本快速训练自定义分类器。

环境准备

• 操作系统：支持 Docker 的任意系统（Linux / macOS / Windows）
• 前置依赖：
  • Docker（必须安装并正常运行）
  • 国内用户可参考 Docker 中国镜像加速配置 提升拉取速度

安装步骤

1. 克隆本项目仓库：

   git clone https://github.com/xblaster/tensorflow_image_classifier.git
   cd tensorflow_image_classifier
   

2. 确保 train.sh、guess.sh 和 guessDir.sh 具有执行权限：

   chmod +x train.sh guess.sh guessDir.sh
   

基本使用

1. 准备数据目录结构

创建包含训练图像的目录结构，例如：

/my_own_classifier/
/my_own_classifier/data/
/my_own_classifier/data/car/
/my_own_classifier/data/moto/
/my_own_classifier/data/bus/

将对应类别的图片放入相应子目录中。

2. 训练模型

运行训练脚本（请使用绝对路径）：

./train.sh /absolute/path/to/my_own_classifier

训练完成后，分类器模型将保存在该目录下。

3. 单张图片预测

对单张图像进行分类预测：

./guess.sh /absolute/path/to/my_own_classifier /absolute/path/to/yourfile.jpg

示例输出：

moto (score = 0.88331)
car (score = 0.11669)

4. 批量预测整个目录

对目录中的所有图片进行批量预测：

./guessDir.sh /absolute/path/to/classifier /absolute/path/to/srcDir /absolute/path/to/destDir

⚠️ 注意：所有路径必须使用绝对路径，脚本不支持相对路径（因 Docker 卷挂载限制）。