文章目录
猫狗大战背景介绍
代码示例
step1 对模型的修改
step2 数据的输入
step3 模型的重新训练与存储
step4 模型的复用
猫狗大战背景介绍猫狗大战数据集来源于Kaggle上的一个竞赛：Dogs vs. Cats，猫狗大战的数据集下载地址，其中数据集有12500只猫和12500只狗
http://www.kaggle.com/c/dogs-vs-cats
使用Finetuning对VGGNet进行调整，从而针对猫狗大战的训练集进行训练，创建工程文件，所有素材如下
step1 对模型的修改
首先是对模型的修改（VGG16_model.py文件），在这里原先的输出结果是对1000个不同的类别进行判定，而在此是对2个图像，也就是猫和狗的判断，因此首先第一步就是修改输出层的全连接数据
这里是最后一层的输出通道被设置成2，而对于其他部分，定义创建卷积层和全连接层的方法则无需做出太大改动。
step2 数据的输入
对于修改后的模型，需要对其进行重新训练，而首要条件就是数据输入，在这里笔者使用数据的输入流方式。代码如下
这里定义的get_file函数对输入文件的文件夹进行分类，通过以不同的文件夹作为分类标准将图片分为2类，使用2个列表文件分别用来存储图片地址和对应的标记地址，同时我们需要按照程序的要求，将train文件夹中的图片，分成cat和dog 文件夹，如图所示：
get_batch函数是通过对列表地址的读取而循环载入具有参数batch_size大小而定的图片，并读取相应的图片标签作为数据标签一同进行训练，完整定义如下：
step3 模型的重新训练与存储
Finetuning最重要的一个步骤就是模型的重新训练与存储。首先对于模型的值的输出，在类中已经做了定义，因此只需要将定义的模型类初始化后输出赋予一个特定的变量即可
这里同时定义了损失函数已经最小化方法，完整代码如下：
在训练函数中使用了Tensorflow的队列方式进行数据输入，而对于权重的重新载入也使用的是前面文章类似的方式，最终数据进行200次迭代，存储模型在model文件夹中。
step4 模型的复用
