linux如何使用vgg模型

linux如何使用vgg模型如下

首先我们需要导入所需要的包，本次训练模型呢，使用了VGG16预训练网络模型，对于没有GPU加持的小伙伴众多的预训练网络模型也算是福音。即可加快模型训练速度，也可以使小批量的数据集的准确率提高很多。

从网上找到的猫狗数据集资源，加载猫狗数据集和划分猫狗训练（train）数据和测试（test）数据。猫狗原数据集我已上传到百度云盘，需要的文章末尾请自取。

调用时，代码如下:

y即为输出的结果。

github传送门：SymphonyPy/Valified_Code_Classify

一个识别非常简单的验证码的程序

保存训练好的模型的代码如下：

训练完一个模型后，为了以后重复使用，通常我们需要对模型的结果进行保存。如果用Tensorflow去实现神经网络，所要保存的就是神经网络中的各项权重值。建议可以使用Saver类保存和加载模型的结果。

1、使用tf.train.Saver.save()方法保存模型

tf.train.Saver.save(sess, save_path, global_step=None, latest_filename=None, meta_graph_suffix='meta', write_meta_graph=True, write_state=True)

sess: 用于保存变量 *** 作的会话。

save_path: String类型，用于指定训练结果的保存路径。

global_step: 如果提供的话，这个数字会添加到save_path后面，用于构建checkpoint文件。这个参数有助于我们区分不同训练阶段的结果。

2、使用tf.train.Saver.restore方法价值模型

tf.train.Saver.restore(sess, save_path)

sess: 用于加载变量 *** 作的会话。

save_path: 同保存模型是用到的的save_path参数。

---