tensorflow卷积网络(TensorFlow卷积神经网络之使用训练好的模型识别猫狗图片)
类别:脚本大全 浏览量:2835
时间:2021-11-08 16:38:57 tensorflow卷积网络
TensorFlow卷积神经网络之使用训练好的模型识别猫狗图片本文是Python通过TensorFlow卷积神经网络实现猫狗识别的姊妹篇,是加载上一篇训练好的模型,进行猫狗识别
本文逻辑:
- 我从网上下载了十几张猫和狗的图片,用于检验我们训练好的模型。
- 处理我们下载的图片
- 加载模型
- 将图片输入模型进行检验
代码如下:
|
#coding=utf-8 import tensorflow as tf from PIL import Image import matplotlib.pyplot as plt import input_data import numpy as np import model import os #从指定目录中选取一张图片 def get_one_image(train): files = os.listdir(train) n = len (files) ind = np.random.randint( 0 ,n) img_dir = os.path.join(train,files[ind]) image = Image. open (img_dir) plt.imshow(image) plt.show() image = image.resize([ 208 , 208 ]) image = np.array(image) return image def evaluate_one_image(): #存放的是我从百度下载的猫狗图片路径 train = '/Users/yangyibo/GitWork/pythonLean/AI/猫狗识别/testImg/' image_array = get_one_image(train) with tf.Graph().as_default(): BATCH_SIZE = 1 # 因为只读取一副图片 所以batch 设置为1 N_CLASSES = 2 # 2个输出神经元,[1,0] 或者 [0,1]猫和狗的概率 # 转化图片格式 image = tf.cast(image_array, tf.float32) # 图片标准化 image = tf.image.per_image_standardization(image) # 图片原来是三维的 [208, 208, 3] 重新定义图片形状 改为一个4D 四维的 tensor image = tf.reshape(image, [ 1 , 208 , 208 , 3 ]) logit = model.inference(image, BATCH_SIZE, N_CLASSES) # 因为 inference 的返回没有用激活函数,所以在这里对结果用softmax 激活 logit = tf.nn.softmax(logit) # 用最原始的输入数据的方式向模型输入数据 placeholder x = tf.placeholder(tf.float32, shape = [ 208 , 208 , 3 ]) # 我门存放模型的路径 logs_train_dir = '/Users/yangyibo/GitWork/pythonLean/AI/猫狗识别/saveNet/' # 定义saver saver = tf.train.Saver() with tf.Session() as sess: print ( "从指定的路径中加载模型。。。。" ) # 将模型加载到sess 中 ckpt = tf.train.get_checkpoint_state(logs_train_dir) if ckpt and ckpt.model_checkpoint_path: global_step = ckpt.model_checkpoint_path.split( '/' )[ - 1 ].split( '-' )[ - 1 ] saver.restore(sess, ckpt.model_checkpoint_path) print ( '模型加载成功, 训练的步数为 %s' % global_step) else : print ( '模型加载失败,,,文件没有找到' ) # 将图片输入到模型计算 prediction = sess.run(logit, feed_dict = {x: image_array}) # 获取输出结果中最大概率的索引 max_index = np.argmax(prediction) if max_index = = 0 : print ( '猫的概率 %.6f' % prediction[:, 0 ]) else : print ( '狗的概率 %.6f' % prediction[:, 1 ]) # 测试 evaluate_one_image() |
/Users/yangyibo/GitWork/pythonLean/AI/猫狗识别/testImg/ 存放的是我从百度下载的猫狗图片
执行结果:
因为从testimg 中选取图片是随机的,所以每次执行的结果不同
从指定的路径中加载模型。。。。
模型加载成功, 训练的步数为 11999
狗的概率 0.964047
[Finished in 6.8s]
代码地址:https://github.com/527515025/My-TensorFlow-tutorials/blob/master/猫狗识别/evaluateCatOrDog.py
欢迎star。
总结
以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,谢谢大家对开心学习网的支持。如果你想了解更多相关内容请查看下面相关链接
原文链接:https://blog.csdn.net/u012373815/article/details/79222121
您可能感兴趣
- 卷积神经网络python实现(Python通过TensorFlow卷积神经网络实现猫狗识别)
- tensorflow卷积网络(TensorFlow卷积神经网络之使用训练好的模型识别猫狗图片)
- 车友的选择| 轮毂该如何选(车友的选择轮毂该如何选)
- 秦海璐炫耀和王新军热恋蜜事,不料对方吐槽她吃饱后肚子撅老高(秦海璐炫耀和王新军热恋蜜事)
- 秦海璐一袭旗袍惹人倾心,将高级与淡雅展现的游刃有余(秦海璐一袭旗袍惹人倾心)
- 门外之见 海蛎子味 的表演,能走多远(门外之见海蛎子味)
- 三部冷门谍战剧,第一部2014年拍摄,至今还未播出(三部冷门谍战剧)
- 《金陵秘事》的剧情跌宕起伏 给观众带来的怎样的感官体验(金陵秘事的剧情跌宕起伏)
热门推荐
- pythonselenium判断网页加载完成(python 实现selenium断言和验证的方法)
- dedecms更新后支付宝接口提示错误ILLEGAL_EXTERFACE的解决方法(dedecms更新后支付宝接口提示错误ILLEGAL_EXTERFACE的解决方法)
- mvc中partialview
- nginx 处理服务器错误(nginx服务器异常502 bad gateway原因排查)
- sql语句的groupby是做什么的(深入浅析SQL中的group by 和 having 用法)
- mysql双向同步原理(详解MySQL的半同步)
- apachessl证书怎么获取(Apache SSL服务器配置SSL详解)
- css定位布局讲解(css position定位属性_动力节点Java学院整理)
- h5微信手机端debug模式(iOS微信H5页面橡皮回弹效果的踩坑记录)
- 云主机越来越受欢迎吗(云主机的发展前景怎样?会成为主流吗?)