基於tornado和thrift,利用tornado實現數據檢測,模型隨機命名和任務調度功能,在隨機生成模型名字后返回用戶模型名,然後通過詢問遠程的worker進程訓練情況來判斷是否開始訓練,如果有任務正在訓練,將模型和數據丟入redis緩存,遠程worker在訓練完一個模型后告知tornado主進程模型訓練完,從而更新redis中的排隊序列并刪除已經訓練完的模型參數和模型數據。
基于keras深度学习框架,通过加载VGG16模型的权重,并且冻结前十三层卷积层权重,将后三层全连接层数量改为1024,256,和你的分类数,从而大大减少了计算量。在CPU上也可以跑。并且在小数据集上有不错的识别率