基于tensorflow的猫狗图识别python代码

以下是基于 TensorFlow 的猫狗图识别 Python 代码：

首先，导入所需的模块：

import tensorflow as tf
import numpy as np
import cv2

然后，定义图像的尺寸和类别：

img_size = 128
categories = ["Dog", "Cat"]

接着，加载模型：

model = tf.keras.models.load_model("model.h5")

其中，`model.h5` 是已经训练好的模型文件。

最后，定义预测函数：

def predict(image_path):
    img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
    img = cv2.resize(img, (img_size, img_size))
    img = np.array(img).reshape(-1, img_size, img_size, 1)
    prediction = model.predict(img)
    result = categories[np.argmax(prediction)]
    return result

其中，`image_path` 是待识别图像的路径，`cv2.imread` 函数用于读取图像，`cv2.resize` 函数用于调整图像大小，`np.array` 函数用于将图像数据转换为 NumPy 数组，`model.predict` 函数用于预测图像的类别，`np.argmax` 函数用于获取最大概率对应的类别，最后返回预测结果。

完整代码如下：

import tensorflow as tf
import numpy as np
import cv2

img_size = 128
categories = ["Dog", "Cat"]

model = tf.keras.models.load_model("model.h5")

def predict(image_path):
    img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
    img = cv2.resize(img, (img_size, img_size))
    img = np.array(img).reshape(-1, img_size, img_size, 1)
    prediction = model.predict(img)
    result = categories[np.argmax(prediction)]
    return result

注意：在使用该代码之前，需要将待识别的图像保存在文件系统中，并指定其路径。