我是TensorFlow的新手，正在寻求图像识别方面的帮助。是否有一个示例展示如何使用TensorFlow训练自己的数字图像进行图像识别，例如TensorFlow图像识别教程中使用的图像网络模型

我看了CIFAR-10模型训练，但似乎没有提供训练自己的图像的例子。

我建议使用Google训练有素的Inception模型进行图像识别。
请参考tensorflow网站上的示例"如何为新类别重新训练Inception的最终层"。它位于https://www.tensorflow.org/versions/r0.9/how_tos/image_retraining/index.html。

使用经过训练的模型很容易，并且可以达到合理的准确性。您只需简单地用您自己的数据集来提供模型。 Google初始版本的最后一个经典层将被修改，我们仅训练最后一层。对于具有几类的数千张图像，只需几个小时即可完成训练。
请注意：为了使用示例，您必须从源代码构建tensorflow。

我正在使用转移学习功能，并取得了很好的效果。为了说明转移学习的好处，我将"在经过训练的GoogleNet上进行转移学习"与"从头开始构建并训练5层Convnet"进行了比较。分类任务是对5种类别的5000张图像进行的。

查看以下简单示例：https://www.youtube.com/watch?v=QfNvhPx5Px8(在5分钟内构建TensorFlow图像分类器)

此存储库为您自己的图像提供了最终层图像的再训练。

将图像添加到training_"数据集文件夹"

添加越来越多的图像(每个类别至少需要30张图像。)

首先执行bash脚本以下载Imagenet文件。

接下来，运行python脚本以重新训练输出验证准确性等的图像，

https://github.com/shivakrishna9/tensorflow-retrain