展示了如何使用在ImageNet images数据集上训练的Inception v3 or Mobilenet models去迁移学习到另一个数据集上训练。
指的是最后一层（负责分类的softmax层）之前的那一层。
因此，训练集中的所有图像在训练过程中都被使用数次，而瓶颈层在之前那些层的计算在每个图像上会耗费大量时间。所以，将低层的输出缓存到磁盘上，这样可以避免浪费很多时间。
bottleneck layter 默认保存路径是 ~/tmp/bottleneck
--image_dir
图片数据集目录，使用此数据集，并拆分成train、valid、test，拆分与testing_sets_percentage、 validation_sets_percentage有关
--output_graph
最终训练图存储路径
默认：./tmp/output_graph.pb
--intermediate_output_graph_dir
中间训练图存储路径
默认：./tmp/intermediate_graph/
--intermediate_store_frequency
经过多少个epoch存储一次中间图。如果设置为'0'将不存储
默认：0
--output_labels
图像的标签存储路径
默认：./tmp/output_labels.txt
--summaries_dir
summary logs 的存储路径
默认：./tmp/summary_logs
--epoch
运行多少个epoch
默认：1000
--learning_rate
学习率，使用的是sgd去最小化损失函数
默认：0.01
--testing_sets_percentage
测试集占总数据集的百分比
默认：10
--validation_sets_percentage
验证集占总数据集的百分比
默认：10
eval_step_interval
验证步长，经过多少个epoch验证一次训练结果
默认：10
--train_batch_size
训练批次大小
默认：100
--test_batch_size
测试批次大小， -1表示使用全部测试集
默认：-1
--validation_batch_size
验证批次大小， -1表示使用全部验证集
默认：-1
--print_misclassified_test_images
输出错误分类的测试图片路径，
参数输入--print_misclassified_test_images即为Ture（后面不能配置具体的值），不输入 即为默认
默认：False；action='store_true'
--model_dir
预训练模型存储位置
默认：./model
--bottleneck_dir
bottleneck层输出图片数据缓存位置
默认：./tmp/bottleneck
--final_tensor_name
新加的最后一层分类层的名称，使用加权求和取softmax输出作为最终分类结果
默认：final_result
--flip_left_right
是否以0.5的概率随机水平翻转图像，进行数据增强
默认：False；action='store_true'
--random_crop
设置随机裁剪为原图像的百分比，裁剪中心位置是全图的一个随机位置
默认：0，不裁剪
--random_scale
设置随机缩放范围为原图像的百分比（设置的）到全图大小之间，缩放中心位置总是在全图居中
默认：0，不缩放
--random_brightness
图片像素值随机乘以一个[1-x,1+x]范围内的整数，我们设置x的百分比
默认：0，（相当于乘1）
--architecture
使用的模型体系结构
inception_v3 或 mobilenet_<parameter size>_<input_size>[_quantized]
默认：inception_v3
-
tenorflow版本：2.3.0
-
不是编码问题，而是路径错误，找不到文件
-
os.path.exists不区分大小写 -
、tf.compat.v1.summary.merge_all()返回值为空需使用
tf.compat.v1.summary.scalar和tf.compat.v1.summary.histogram才能返回正确结果
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent