本文是基于windows系统，并主要参考：/tensorflow/models/tree/master/research/slim。
要完成自己图片的识别必须使用整个slim文件夹
slim下载链接，先需要下载整个模型包，然后在里面找到slim文件夹：
一、对于官方提供的flower数据集进行图像识别
以下所有程序都在slim文件夹下进行
1. 首先用官方提供的代码下载flower数据集并生成tfrecord格式文件和label文件：
在windows下编写批处理文件（.bat后缀结尾的文本文档)：download_and_convert_flower.bat
python download_and_convert_data.py ^ --dataset_name=flowers ^ --dataset_dir="C:\Users\lab2_Zhemin\Yeally\6my_slim\my_data\flower_tfrecord"
打开Anaconda Prompt执行：
后文不再说明如何执行windows批处理文件（.bat文件）
执行后的目录结果如下，一共有10个tfrecord文件和一个label文件：
2.创建数据集描述符：Creating a TF-Slim Dataset Descriptor.
对于flower的tfrecord格式数据，官方已提供好数据集描述符：
如下选中的flower.py文件：
3. 使用train_image_classifier.py（这个脚本在slim文件夹下）训练数据
python train_image_classifier.py ^ --train_dir=C:/Users/lab2_Zhemin/Yeally/6my_slim/train_official_flower/train_log ^ --dataset_name=flowers ^ --dataset_split_name=train ^ --dataset_dir=C:/Users/lab2_Zhemin/Yeally/6my_slim/train_official_flower/dataset/flowers ^ --model_name=inception_v3 ^ --checkpoint_path=C:/Users/lab2_Zhemin/Yeally/6my_slim/checkpoint/inception_v3/inception_v3.ckpt ^ --checkpoint_exclude_scopes=InceptionV3/Logits,InceptionV3/AuxLogits ^ --trainable_scopes=InceptionV3/Logits,InceptionV3/AuxLogits ^ --max_number_of_steps=3000
训练完成的结果：
训练后生成的文件（存的路径：train_dir）：
4 评估模型
python eval_image_classifier.py ^ --checkpoint_path=C:\Users\lab2_Zhemin\Yeally\6my_slim\train_official_flower\train_log ^ --eval_dir=C:\Users\lab2_Zhemin\Yeally\6my_slim\train_official_flower\eva_log ^ --dataset_name=flowers ^ --dataset_split_name=validation ^ --dataset_dir=C:\Users\lab2_Zhemin\Yeally\6my_slim\train_official_flower\dataset\flowers ^ --model_name=inception_v3
执行结果：
最后一行的eval/Accuracy【0.915】表示样本数据的正确率（top1）
生成的文件：
6.生成模型图：
python export_inference_graph.py ^ --alsologtostderr ^ --model_name=inception_v3 ^ --output_file=C:\Users\lab2_Zhemin\Yeally\6my_slim\train_official_flower\output_graph\inception_v3_graph.pb ^ -dataset_name flowers
目录下生成的文件：
7.上一步中生成的图只是一个结构框架，不包含参数信息，要生成包含参数信息的图需执行如下批处理文件（冻结图）：
python freeze_graph.py ^ --input_graph=C:\Users\lab2_Zhemin\Yeally\6my_slim\train_official_flower\output_graph\inception_v3_graph.pb ^ --input_checkpoint=C:\Users\lab2_Zhemin\Yeally\6my_slim\train_official_flower\train_log\model.ckpt-3000 ^ --input_binary=true ^ --output_graph=C:\Users\lab2_Zhemin\Yeally\6my_slim\train_official_flower\frozen_graph\frozen_inception_v3_flowers.pb ^ --output_node_names=InceptionV3/Predictions/Reshape_1
生成的文件：
8、对生成的模型通过输入图片进行测试：
要在hub master下载hub master，并在这个目录下找到lab_image.py文件，复制到slim文件夹下。
在网上随手下在如下图片（命名为0.jpg）：
python label_image.py ^ -image=C:\Users\lab2_Zhemin\Yeally\6my_slim\test\0.jpg ^ --input_layer=input ^ --output_layer=InceptionV3/Predictions/Reshape_1 ^
输出结果：
分类正确
二、对自己的图片数据进行图像识别
后续更新。。。
图像识别——通过tensorflow利用自己的图片数据训练模型——Fine-tuning a model from an existing checkpoint
