Tensorflow学习笔记：CNN篇（9）——Finetuning, 复用ImageNet VGGNet进行图像识别

基于VGGNet的图像识别微调实践

前序

截至目前，有关模型的构建与训练过程，读者或许已具备一定的了解。倘若读者已经能够运用所设计的模型进行训练，并获得了较为理想的结果，那么可以认为，你在Tensorflow程序的编写方面已迈入了一个新的阶段。然而，在实际工程项目或商业应用中，模型的训练往往并非由程序开发人员独立完成，而是通过调用已有的神经网络架构，并加载预先训练完成的权重参数，以实现图像处理的目标。VGGNet是当前最为常见的深度学习模型之一，在图像分类任务以及更进一步的语义识别和图像分割等应用中均表现出色，因此被广泛用作深度学习的基础模型。

代码示例展示

Step 1: npz文件的读取

针对已训练于ImageNet数据集的VGG模型，若需进行复用操作，首要步骤是获取对应的权重参数文件以及分类映射文件，相关资源可通过下方提供的链接进行下载。
权重参数文件：http://www.cs.toronto.edu/~frossard/vgg16/vgg16_weights.npz
分类映射文件：http://www.cs.toronto.edu/~frossard/vgg16/imagenet_classes.py

![这里写图片描述](https://ad.itadn.com/c/weblog/blo