TensorFlow Hub: Model Reuse (Jinpeng)
=====================================

TF Hub目的是为了更好复用已训练好的模型，可节省海量的训练时间和计算资源。预训练好的模型，可以进行直接部署，也可以进行迁移学习（Transfer Learning）。

本书是使用TF Hub中的Inception V3模型，针对mnist图像进行迁移学习。
mnist图像资源获取地址：https://github.com/dpinthinker/mnist_image_png_jpeg

具体操作方法参考https://www.tensorflow.org/hub/tutorials/image_retraining，如下

1. 获取retrain.py脚本

.. code-block:: bash

    curl -LO https://github.com/tensorflow/hub/raw/master/examples/image_retraining/retrain.py

2. 进行迁移学习，该过程会持续很长时间，停止后可以增量训练

.. code-block:: bash

    python retrain.py --image_dir your_mnist_img_path

默认生成的模型在/tmp/output_graph.pb，对应的label数据在/tmp/output_labels.txt。

3. 获取label_imange.py脚本

.. code-block:: bash

    curl -LO https://github.com/tensorflow/tensorflow/raw/master/tensorflow/examples/label_image/label_image.py

4. 对迁移学习训练完的模型进行验证

.. code-block:: bash

    python label_image.py \
    --graph=/tmp/output_graph.pb \
    --labels=/tmp/output_labels.txt \
    --input_layer=Placeholder \
    --output_layer=final_result \
    --image=your_mnist_test_img_<number>.jpg

结果如下：

.. code-block:: bash

    3 0.92819667
    2 0.027902907
    5 0.018210107
    9 0.010902734
    7 0.0056838035

这里产生的模型output_graph.pb，在移动端部署章节会被使用到。