使用Tensorflow來讀取訓練數據（二）

本文實現training.py是如何編寫的。

import os
import numpy as np
import tensorflow as tf
import input_data
import model

N_CLASSES = 2 # 二分類問題，只有是還是否，即0，1
IMG_W = 208 # resize the image, if the input image is too large, training will be very slow.
IMG_H = 208 # 圖像爲208*208的尺寸
BATCH_SIZE = 16
CAPACITY = 2000 # 隊列最大容量2000
MAX_STEP = 10000 # with current parameters, it is suggested to use MAX_STEP>10k
learning_rate = 0.0001 # with current parameters, it is suggested to use learning rate<0.0001

定義開始訓練的函數

def run_training():
# 訓練的圖片存放的位置
train_dir = ‘/Users/arcstone_mems_108/PycharmProjects/catsvsdogs/data/train/’
# 輸出文件的位置
logs_train_dir = ‘/Users/arcstone_mems_108/PycharmProjects/catsvsdogs/logs/train/’
# 調用input_data文件的get_files()函數獲得image_list, label_list
train, train_label = input_data.get_files(train_dir)
# 獲得image_batch, label_batch
train_batch, train_label_batch = input_data.get_batch(train,
train_label,
IMG_W,
IMG_H,
BATCH_SIZE,
CAPACITY)
# 進行前向訓練，獲得迴歸值
train_logits = model.inference(train_batch, BATCH_SIZE, N_CLASSES)
# 計算獲得損失值loss
train_loss = model.losses(train_logits, train_label_batch)
# 對損失值進行優化
train_op = model.trainning(train_loss, learning_rate)
# 根據計算得到的損失值，計算出分類準確率
train__acc = model.evaluation(train_logits, train_label_batch)
# 將圖形、訓練過程合併在一起
summary_op = tf.summary.merge_all()
# 新建會話
sess = tf.Session()
# 將訓練日誌寫入到logs_train_dir的文件夾內
train_writer = tf.summary.FileWriter(logs_train_dir, sess.graph)
# 保存變量
saver = tf.train.Saver()
# 執行訓練過程，初始化變量
sess.run(tf.global_variables_initializer())
# 創建一個線程協調器，用來管理之後在Session中啓動的所有線程
coord = tf.train.Coordinator()
# 啓動入隊的線程，一般情況下，系統有多少個核，就會啓動多少個入隊線程（入隊具體使用多少個線程在tf.train.batch中定義）;
threads = tf.train.start_queue_runners(sess=sess, coord=coord)

try:
    for step in np.arange(MAX_STEP):
        # 使用 coord.should_stop()來查詢是否應該終止所有線程，當文件隊列（queue）中的所有文件都已經讀取出列的時候，
        # 會拋出一個 OutofRangeError 的異常，這時候就應該停止Sesson中的所有線程了;
        if coord.should_stop():
            break
        _, tra_loss, tra_acc = sess.run([train_op, train_loss, train__acc])
        # 每50步打印一次損失值和準確率
        if step % 50 == 0:
            print('Step %d, train loss = %.2f, train accuracy = %.2f%%' % (step, tra_loss, tra_acc * 100.0))
            summary_str = sess.run(summary_op)
            train_writer.add_summary(summary_str, step)
        # 每2000步保存一次訓練得到的模型
        if step % 2000 == 0 or (step + 1) == MAX_STEP:
            checkpoint_path = os.path.join(logs_train_dir, 'model.ckpt')
            saver.save(sess, checkpoint_path, global_step=step)
# 如果讀取到文件隊列末尾會拋出此異常
except tf.errors.OutOfRangeError:
    print('Done training -- epoch limit reached')
finally:
    coord.request_stop()       # 使用coord.request_stop()來發出終止所有線程的命令

coord.join(threads)            # coord.join(threads)把線程加入主線程，等待threads結束
sess.close()                   # 關閉會話

def main():
run_training()

if name == ‘main’:
main()

本文來自 小哥哥th 的CSDN 博客 ，原文地址請點擊：
原文：https://blog.csdn.net/ZHANG781068447/article/details/80264815