动物识别系统Python代码

以下是一个简单的动物识别系统的Python代码示例：

import numpy as np
import tensorflow as tf
from PIL import Image

# 加载模型
model = tf.keras.models.load_model('animal_classification.h5')

# 定义标签
labels = ['cat', 'dog', 'elephant', 'lion', 'tiger']

# 图片预处理函数
def preprocess_image(image_path):
    img = Image.open(image_path)
    img = img.resize((224, 224))
    img_array = np.array(img) / 255.0
    img_array = img_array.reshape((1, 224, 224, 3))
    return img_array

# 预测函数
def predict(image_path):
    img = preprocess_image(image_path)
    prediction = model.predict(img)
    class_idx = np.argmax(prediction)
    class_label = labels[class_idx]
    return class_label

# 测试
image_path = 'test_image.jpg'
prediction = predict(image_path)
print('The animal in the image is:', prediction)

在上面的代码中，我们首先加载了预训练好的模型，并定义了标签。然后，我们定义了一个图片预处理函数，该函数将输入的图片进行大小调整和归一化处理，并将其转换为模型的输入格式。接着，我们定义了一个预测函数，该函数将输入的图片传入预处理函数，并使用训练好的模型进行预测，最后返回预测结果。最后，我们使用一张测试图片进行了测试，并输出了预测结果。