Tensorflow图像识别代码

以下是使用Tensorflow进行图像分类的示例代码：

import tensorflow as tf
import numpy as np
import cv2

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

# 定义类别标签
class_names = ['cat', 'dog']

# 加载测试图像
img = cv2.imread('path/to/image')
img = cv2.resize(img, (224, 224))
img = img / 255.0
img = np.expand_dims(img, axis=0)

# 进行预测
preds = model.predict(img)
class_idx = np.argmax(preds[0])
class_name = class_names[class_idx]

# 输出预测结果
print('Prediction: {}'.format(class_name))

在这个例子中，我们首先加载了一个预先训练好的Tensorflow模型。然后，我们定义了一个类别标签列表，这些类别标签与模型输出的类别相对应。接下来，我们加载了一个测试图像，并将其缩放到模型需要的大小，并进行归一化。最后，我们通过调用模型的predict()方法来进行预测，并输出预测结果。