基于tensorflow的猫狗识别模型评测代码

以下是基于 TensorFlow 的猫狗识别模型评测代码示例：

import tensorflow as tf
import numpy as np
import os

# 定义数据集路径和模型路径
data_dir = 'data/test/'
model_path = 'model/cats_dogs_model.h5'

# 加载模型
model = tf.keras.models.load_model(model_path)

# 加载数据集
test_images = []
for filename in os.listdir(data_dir):
    img = tf.keras.preprocessing.image.load_img(
        os.path.join(data_dir, filename), target_size=(150, 150)
    )
    img_array = tf.keras.preprocessing.image.img_to_array(img)
    test_images.append(img_array)

test_images = np.array(test_images) / 255.0

# 进行预测
predictions = model.predict(test_images)

# 输出预测结果
for i, prediction in enumerate(predictions):
    if prediction[0] > prediction[1]:
        print(f"{i+1}. {os.listdir(data_dir)[i]} is a cat.")
    else:
        print(f"{i+1}. {os.listdir(data_dir)[i]} is a dog.")

其中，`data_dir` 是测试集路径，`model_path` 是模型路径。首先，使用 `tf.keras.models.load_model` 方法加载训练好的模型。然后，遍历测试集中的图片，使用 `tf.keras.preprocessing.image.load_img` 加载图片并将其转化为数组，最后将所有图片的数组组成一个数组，归一化处理。接着，调用模型的 `predict` 方法，预测图片是猫还是狗。最后，输出预测结果。