TensorFlow MobileNet垃圾分类模型实现与优化

基于 TensorFlow 的 MobileNet 垃圾分类系统，用的就是那种轻量模型里还挺能打的 MobileNet，部署起来不臃肿，跑在树莓派上都还算顺畅。训练数据用的也不算大，几千张图搞定初版。想在低功耗设备上搞图像分类？这个方案挺合适的。

MobileNet的结构本身就比较轻，搭配TensorFlow的训练接口，训练流程也简单明了。代码结构清晰，用的是tf.keras那一套。模型训练后导出成.pb或者tflite，你要是想上手机或嵌入式也方便。

项目里还做了一些模型优化，比如用量化来压缩模型，精度损失不大但体积小了不少。模型压缩那块建议你试试post_training_quantize，操作简单，还蛮实用的。

页面 UI 没花太多心思，就是输入图片输出分类结果那种，功能走实用路线。用个Flask跑个 API，页面通过fetch发求就能跑起来，响应也快。

如果你刚好想用TensorFlow练练手，或者搞个能部署的图像分类 Demo，这套代码还挺值得一看。适合快速做个原型，调试效率高，改起来也方便。

对了，想深入一点的话，可以看看下面这些相关资源：

• 深度学习小工程练习之 tensorflow 垃圾分类详解
• MobileNet PyTorch 机器学习模型
• 深度学习模型训练的优化
• TensorFlow 实现与优化深度神经网络

如果你想快速上手深度学习的小项目，不妨从这套代码开始试试，轻量、实用，还挺容易调通。