图像分类学习初探

持续创作，加速成长！这是我参与「掘金日新计划 · 6 月更文挑战」的第21天，点击查看活动详情

一直对于人工智能很感兴趣，本科毕设的题目就是关于图片分类学习的，比较遗憾的是没有往更深处发掘，只是简单的实现了使用图像特征值来识别图片的相似度。正好，最近公司请到了北京理工大学的教授来我们公司做人工智能方向的培训，记录一下两天培训的收获。

图像分类学习路线图

模型的建立，要想建立模型需要收集数据集，数据集又分为训练集和测试集，训练集用于模型的训练，测试集用于模型的测试。

下面是两个开源的比较有代表性的数据集。

1. 服装 fashion-mnist

Fashion-MNIST数据集包含了10个类别的图像，分别是：t-shirt（T恤），trouser（牛仔裤），pullover（套衫），dress（裙子），coat（外套），sandal（凉鞋），shirt（衬衫），sneaker（运动鞋），bag（包），ankle boot（短靴）。

2. 手写数字数据集 mnist MNIST可以被认为是机器学习的“Hello， World！”MNIST主要用于试验不同的机器学习算法并比较它们的相对优势。

安装tensorflow

安装 tensorflow 的前提是你已经部署了 python 开发环境。

执行命令进行在线安装：

pip install tensorflow

可能是由于太大了，在线安装时，总是连接超时导致安装失败。即便是换了pip的源也是如此。

尝试离线安装: 在清华大学镜像站上下载离线文件 tensorflow-2.2.2-cp36-cp36m-win_amd64.whl

也可以下载 其他版本。

查找了whl文件的命名规则:

tensorflow-1.0.0-cp35-cp35m-win_amd64.whl

{distribution}-{version}(-{build tag})?-{python tag}-{abi tag}-{platform tag}.whl

注意两点

• version 版本号
• platform 平台

执行离线安装命令

pip install <文件位置>

查看tensorflow的安装信息

(tensorflow) PS D:\Github\tensorflow-mnist-master> pip show tensorflow
    Name: tensorflow
    Version: 2.2.2
    Summary: TensorFlow is an open source machine learning framework for everyone.
    Home-page: https://www.tensorflow.org/
    Author: Google Inc.
    Author-email: packages@tensorflow.org
    License: Apache 2.0
    Location: d:\programdata\anaconda3\envs\tensorflow\lib\site-packages
    Requires: absl-py, tensorflow-estimator, google-pasta, wheel, h5py, opt-einsum, tensorboard, keras-preprocessing, protobuf, six, gast, wrapt, numpy, astunparse, termcolor, grpcio
    Required-by:

执行以下代码验证tensorflow是否安装成功

import tensorflow as tf

sess = tf.Session()
a = tf.constant(1)
b = tf.constant(2)
print(sess.run(a+b))

由于IDE是VsCode,（推荐使用 pycharm）这里需要注意的是，你不仅要把终端的环境切换称python的，还要把系统的环境却换成python的。如图：

一个demo

最后附上附上一个demo，是我以前做的一个相似图片的识别的小软件，使用了 pyqt5+python+爬虫技术等技术。这个demo中学习了如何使用了哈希特征值检测算法和如何使用opencv进行图片的一系列操作的做法。

源码