遷移學(xué)習(xí)：如何使用TensorFlow機(jī)器學(xué)習(xí)對(duì)圖像進(jìn)行分類？總之，它可以分為兩種方式：一種是用預(yù)訓(xùn)練模型作為特征抽取器，然后對(duì)模型進(jìn)行訓(xùn)練和調(diào)整；另一種是通過(guò)精細(xì)調(diào)整達(dá)到訓(xùn)練分類器的目的，預(yù)訓(xùn)練模型

遷移學(xué)習(xí)：如何使用TensorFlow機(jī)器學(xué)習(xí)對(duì)圖像進(jìn)行分類？

總之，它可以分為兩種方式：一種是用預(yù)訓(xùn)練模型作為特征抽取器，然后對(duì)模型進(jìn)行訓(xùn)練和調(diào)整；另一種是通過(guò)精細(xì)調(diào)整達(dá)到訓(xùn)練分類器的目的，預(yù)訓(xùn)練模型與圖像增強(qiáng)相結(jié)合。

以vgg16模型為例，我們下載了vgg16的預(yù)訓(xùn)練模型，可以看到vgg16模型分類器中與分類器相關(guān)的最后一個(gè)分類部分已經(jīng)被刪除。利用vgg-16模型作為特征提取工具，對(duì)每一層圖像進(jìn)行凍結(jié)，提取出待分類的瓶頸層特征，即vgg=get瓶頸特征（vgguModel，trainuIMGSuScale）

validationuFeaturesvgg=getu瓶頸特征（vgguModel，validationimgsuScale）

然后建立一個(gè)簡(jiǎn)單的模型分類器和提取的訓(xùn)練特征作為模型訓(xùn)練的輸入?yún)?shù)，通過(guò)迭代訓(xùn)練得到一個(gè)簡(jiǎn)單的圖像分類器。

第二種方法是以vgg-16為例。首先對(duì)前三層進(jìn)行凍結(jié)，將4-5層設(shè)置為可訓(xùn)練層，然后結(jié)合圖像分割，通過(guò)連續(xù)訓(xùn)練和迭代優(yōu)化后兩層的參數(shù)，得到更好的圖像分類器。

綜合評(píng)價(jià)后，第二種方法通常比第一種方法更有效。