我们使用Tensorflow_hub提供的重训练Python脚本训练模型（参阅：Tensorflow_hub - retrain.py）。我们已经将脚本打包为可在UAI-Train上运行的容器镜像，并保存在镜像库中：

uhub.ucloud.cn/uai_demo/retrain-train-v2:test

将准备好的图片集和模型文件上传至UFile准备进行重训练。根据上一节中的保存路径，在UFile中保存在统一根目录下。你可以自定义根路径，并记录此路径用于启动训练。此处我们以“uai/retrain/data”为根路径：

|_ uai/retrain/data

|  |_ pets
|  |  |_ Abyssinian
|  |  |  |_ Abyssinian_01.jpg
|  |  |  |_ Abyssinian_02.jpg
|  |  |_ Persian
|  |  |  |_ Persian_01.jpg
|  |  |  |_ Persian_02.jpg
|  |_ checkpoint_dir
|  |  |_ assets
|  |  |_ variables
|  |  |_ saved_model.pb
|  |  |_ tfhub_module.pb

文件准备好后，进入UAI-Train控制台。创建训练任务时，请确认数据输入源为保存数据的UFile根目录（此处为uai/retrain/data/，即数据准备一节中记录的数据保存路径），并确认模型、数据和配置文件均在此根目录下。记录数据输出源（此处为uai/retrain/output/），用于之后的在线服务。

• 获取uhub.ucloud.cn/uai_demo/retrain-train-v2:test镜像，并重新docker tag成你自己uhub镜像库中的镜像，例如uhub.ucloud.cn//retrain-train-v2:test， 并提交至uhub。
• 进入UAI-Train控制台，创建新训练任务。

  AutoAI - UAI训练

• 填写以下信息：
  • 训练任务名称：retrain-train
  • 节点类型：单点式单卡
  • 公私钥：你的AutoAI账号公私钥
  • 代码镜像路径：retrain-train-v2:test
  • 数据输入源：UFile：/uai/retrain/data/
  • 数据输出源：UFile：/uai/retrain/output/
• 训练启动命令：

/data/retrain_v2.py --image_dir /data/data/pets --output_graph /data/output/frozen_inference_graph.pb --output_labels /data/output/label_map.txt --tfhub_module /data/data/checkpoint_dir

• 点击确定，等待训练完成。

本重训练脚本内已实现了导出模型的功能，因此训练后的模型数据可直接用于识别推理，无需自行导出。因此模型数据经训练后所有参数即固定。如果模型准确度不理想，可在训练启动命令后加入参数：

--how_many_training_steps <轮数〉

以增加训练轮数，提高准确度，默认为4000轮。请注意轮数更大并不一定意味着模型预测更准确。

你也可以自行打包训练代码和镜像，参阅Github - uai-sdk - retraining。