怎么使用训练好的CNN回归模型预测数据

使用训练好的CNN回归模型预测数据的步骤与使用普通回归模型的步骤类似，但是需要注意一些细节。

下面是一个简单的代码示例：

import tensorflow as tf
import numpy as np

# 加载模型
model = tf.keras.models.load_model('path/to/model')

# 准备待预测的数据
data = prepare_data()

# 将数据变成4维张量，即 (样本数, 图像高度, 图像宽度, 通道数)
data = np.expand_dims(data, axis=0)

# 进行预测
result = model.predict(data)

# 后续处理
process_result(result)

上述代码中，prepare_data() 函数应该返回一个形状为 (图像高度, 图像宽度, 通道数) 的 NumPy 数组，表示待预测的图像。由于 CNN 模型的输入需要是一个4维张量，因此需要使用 np.expand_dims() 函数将其扩展为一个形状为 (1, 图像高度, 图像宽度, 通道数) 的张量。最后，使用 model.predict() 函数进行预测，得到的结果也是一个形状为 (1, 输出维度) 的张量，需要根据具体的业务需求进行后续处理。