TensorFlow实现VGG16_vgg16 tensorflow-CSDN博客

本文链接：https://blog.csdn.net/qq_33254870/article/details/90702892

本文介绍如何使用TensorFlow实现VGG16网络，并以17类花卉数据集进行图像分类实战。从项目架构搭建到训练过程，涵盖数据预处理、模型定义、训练及测试等关键步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文利用TensorFlow实现VGG16，并以17 Flowers（17 Category Flower Dataset）为案例进行实战。

1. 项目架构

在这里插入图片描述
注：所有图片都在jpg文件夹下，删除该文件夹下两个非图片文件。
先看项目架构：

注：Example文件夹下为测试数据，部分来自于训练集，其余来自于网上。

2. 文件说明

文件	功能
pre.py	将jpg文件下图片按类别分开
loadNpy.py	读取预训练权重（用于查看预训练权重格式）
create_tfrecords.py	将训练数据转换成TFRecords格式
VGG16.py	VGG16模型定义
training.py	网络训练过程
test.py	对网络训练结果进行测试

注：学习率为1e-5，否则不会收敛。vgg16.npy文件可以从网上自行获取。

3. 训练过程

先运行 pre.py 文件，将数据按类别分开，便于生成标签。
再运行 create_tfrecords.py 文件，生成 train.tfrecords 文件。
运行training.py进行训练。
训练500轮结果，一般在200轮收敛。

4. 项目源码

https://github.com/dhuQChen/VGG16
vgg16预训练权重链接: https://pan.baidu.com/s/1haAfyxjwsYx-ZGLz7iO5HA 提取码: bgw4

作为练习，读者可以对猫狗大战数据集使用VGG16进行分类。