TensorFlow-SEResNeXt

代码修改自：https://github.com/taki0112/SENet-Tensorflow 为了使其能够训练自己的模型，故调整了外围代码。

开发环境：

python 3.5
TensorFlow 1.7.0

Unit.cfg 配置文件说明

[Image data] 图像数据

image_size          图像大小
train_ratio         训练集占比
num_classes         分类数目

[Train data] 训练数据

num_train           训练集图像数量
learning_rate       学习率
step                训练迭代步数
batch_size          训练批度

[Test data] 测试数据

num_test            测试集图像数量
batch_size          测试批度

---

FlowIO.py   数据流控制器

主要用于数据封装、读取等操作

Train.py    训练

Evaluation.py   精度测试

useModel.py     使用模型预测

SE_ResNeXt.py   模型前趋关系

自行创建目录

data/dataset/       源数据集位置
data/TFRecode/      TFRecode位置
model/              模型保存位置
log_file/           TensorBoard位置

训练你的模型

1、将数据集放入data/dataset/中，子文件夹名称为标签
    sample：data/dataset/0/1.jpeg
            data/dataset/8/46.jpeg
            ......
2、在Unit.cfg中调整分类数目、图像大小以及训练分割占比
3、run python3 FlowIO.py 分割数据集并且打包成TFRecode格式
4、run python3 train.py 训练数据集
训练好的模型将会保存到 model/ 路径下
如果你想在某一时刻模型继续训练，可输入 --model=模型路径与模型名称 来指定模型继续训练

测试你的模型

1、确保你的TFRecode路径正确，检查Unit.cfg中的图像参数也正确
2、run python3 --model=模型路径与模型名

使用你的模型

1、确保useModel中的图像大小、分类数目以及分类标签的正确
2、run python3 --model=模型路径与模型名