遷移學習：如何使用TensorFlow機器學習對圖像進行分類？總之，它可以分為兩種方式：一種是用預訓練模型作為特征抽取器，然后對模型進行訓練和調(diào)整；另一種是通過精細調(diào)整達到訓練分類器的目的，預訓練模型

遷移學習：如何使用TensorFlow機器學習對圖像進行分類？

總之，它可以分為兩種方式：一種是用預訓練模型作為特征抽取器，然后對模型進行訓練和調(diào)整；另一種是通過精細調(diào)整達到訓練分類器的目的，預訓練模型與圖像增強相結合。

以vgg16模型為例，我們下載了vgg16的預訓練模型，可以看到vgg16模型分類器中與分類器相關的最后一個分類部分已經(jīng)被刪除。利用vgg-16模型作為特征提取工具，對每一層圖像進行凍結，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）

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

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

綜合評價后，第二種方法通常比第一種方法更有效。