C#使用TensorFlow.NET训练自己的数据集的方法

数据集说明

为了模型测试的训练速度考虑，图像数据集主要节选了一小部分的OCR字符（X、Y、Z），数据集的特征如下：

分类数量：3 classes 【X/Y/Z】

图像尺寸：Width 64 × Height 64

图像通道：1 channel（灰度图）

数据集数量：

train：X - 384pcs ； Y - 384pcs ； Z - 384pcs validation：X - 96pcs ； Y - 96pcs ； Z - 96pcs test：X - 96pcs ； Y - 96pcs ； Z - 96pcs

其它说明：数据集已经经过 随机 翻转/平移/缩放/镜像 等预处理进行增强

整体数据集情况如下图所示：

代码说明

环境设置

.NET 框架：使用.NET Framework 4.7.2及以上，或者使用.NET CORE 2.2及以上 CPU 配置： Any CPU 或 X64 皆可 GPU 配置：需要自行配置好CUDA和环境变量，建议 CUDA v10.1，Cudnn v7.5

类库和命名空间引用

从NuGet安装必要的依赖项，主要是SciSharp相关的类库，如下图所示：

注意事项：尽量安装最新版本的类库，CV须使用 SciSharp 的 SharpCV 方便内部变量传递

<PackageReference Include="Colorful.Console" Version="1.2.9" />
<PackageReference Include="Newtonsoft.Json" Version="12.0.3" />
<PackageReference Include="SciSharp.TensorFlow.Redist" Version="1.15.0" />
<PackageReference Include="SciSharp.TensorFlowHub" Version="0.0.5" />
<PackageReference Include="SharpCV" Version="0.2.0" />
<PackageReference Include="SharpZipLib" Version="1.2.0" />
<PackageReference Include="System.Drawing.Common" Version="4.7.0" />
<PackageReference Include="TensorFlow.NET" Version="0.14.0" />

引用命名空间，包括 NumSharp、Tensorflow 和 SharpCV ;

using NumSharp;
using NumSharp.Backends;
using NumSharp.Backends.Unmanaged;
using SharpCV;
using System;
using System.Collections;
using System.Collections.Generic;
using System.Diagnostics;
using System.IO;
using System.Linq;
using System.Runtime.CompilerServices;
using Tensorflow;
using static Tensorflow.Binding;
using static SharpCV.Binding;
using System.Collections.Concurrent;
using System.Threading.Tasks;

主逻辑结构

主逻辑：

准备数据

创建计算图

训练

预测

public bool Run()
{
 PrepareData();
 BuildGraph();
​
 using (var sess = tf.Session())
 {
  Train(sess);
  Test(sess);
 }
​
 TestDataOutput();
 return accuracy_test > 0.98;
}

数据集载入

数据集下载和解压

数据集地址：https://github.com/SciSharp/SciSharp-Stack-Examples/blob/master/data/data_CnnInYourOwnData.zip