아래와 같은 폴더 구조로 만든다(GoogleNet/workspace)
predict.py
readme.txtreadme.txt 파일을 참고하여
이미지 파일을 다운로드 받고, Training을 위해 학습 명령어를 Terminal에 입력한다.
1 | python retrain.py --bottleneck_dir=./workspace/bottlenecks --model_dir=./workspace/inception --output_graph=./workspace/flowers_graph.pb --output_labels=./workspace/flowers_labels.txt --image_dir ./workspace/flower_photos --how_many_training_steps 1000 | cs |
Training이 완료되면 Terminal에서 아래와 같이 predict.py 파일을 실행해서 예측을 해본다.
1 | python predict.py ./workspace/flower_photos/daisy/267148092_4bb874af58.jpg | cs |
'Python 활용 딥러닝' 카테고리의 다른 글
| RNN 분석(char-rnn) Recurrent Neural Network로 문장 분석하기 (0) | 2018.12.20 |
|---|---|
| CNN + Convolution Neural Network (0) | 2018.12.20 |
| Neural Nets for MNIST, Xavier Initialization, Dropout 적용 소스 (0) | 2018.12.19 |
| Deep Learning 학습방법(Layer 구성, Backpropagation, Activation function ReLU) (0) | 2018.12.19 |
| Neural Nets & Deep learning, Neural Nets for XOR (0) | 2018.12.19 |