您现在的位置是:首页 >学无止境 >C# + .Net6 实现TensorFlow图片分类网站首页学无止境
C# + .Net6 实现TensorFlow图片分类
微软官网上发现一篇很有意思的文档:
教程:用于对图像进行分类的 ML.NET 分类模型 - ML.NET | Microsoft Learn
这篇教程写的很学院派,但有点碎,属于上课不能打一秒钟瞌睡的那种。好在还是给出了完整的代码:samples/Program.cs at main · dotnet/samples · GitHub
当然自己尝试前必要的先决条件还是要满足的。
1、用于训练的图片和两个tsv,以及最重要的模型文件要准备好。示例:samples/image-classifier-assets.zip at main · dotnet/samples · GitHub
2、模型文件也可以从这里下载:https://storage.googleapis.com/download.tensorflow.org/models/inception5h.zip
3、VS2022中,项目 -> 管理NuGet程序包 -> 浏览,添加如下四个包:
Microsoft.ML
Microsoft.ML.ImageAnalytics
Microsoft.ML.TensorFlow
SciSharp.TensorFlow.Redist
严格按照教程顺利跑通。本着能偷懒就偷懒的原则,开始对代码进行简化:
1、训练图集和tsv都直接硬编码了。实践证明如果所有文件在同一个目录下是没问题的:
static readonly string _imagesFolder = @"D: empForTraining";
static readonly string _trainTagsTsv = @"D: empForTraining ags.tsv";
static readonly string _testTagsTsv = @"D: empForTraining est-tags.tsv";
static readonly string _inceptionTensorFlowModel = @"D: empForTraining ensorflow_inception_graph.pb";
否则按照文档的说法还要修改这些文件的复制属性。
在“解决方案资源管理器”中,右键单击资产目录和子目录中的每个文件,再选择“属性”。 2在“高级”下,将“复制到输出目录”的值更改为“如果较新则复制” 。
2、 Demo里并未给出保存训练好的模型的代码。这意味着每次执行都要重新一次,效率比较低。所以稍微优化了一下代码:
public static ITransformer GenerateModel(MLContext mlContext)
{
// 略
// ......
// 保存训练好的模型
mlContext.Model.Save(model, trainingData.Schema, "model.zip");
return model;
}
3、图片识别的代码另起了一个项目,同样要导入那堆NuGet:
static void Main(string[] args)
{
if (args.Length == 0)
{
Console.WriteLine("请输入预测的图片路径。");
return;
}
string fn = args[0].Trim();
if (!File.Exists(fn))
{
Console.WriteLine("文件不存在。");
return;
}
// Create MLContext to be shared across the model creation workflow objects
MLContext mlContext = new();
// 识别模式
// 训练好的模型文件可复制到指定位置
DataViewSchema modelSchema;
// Load trained model
ITransformer model = mlContext.Model.Load(@"D: empForTrainingmodel.zip", out modelSchema);
// <SnippetCallClassifySingleImage>
ClassifySingleImage(mlContext, model, fn);
// </SnippetCallClassifySingleImage>
}
public static void ClassifySingleImage(MLContext mlContext, ITransformer model,string _predictSingleImage)
{
// 无需修改,略
// ......
}
/// 略
所以,接下来开发一个工具,用来生成tags.tsv和test-tags.tsv。嗯,思路已经有了。