keras vgg16模型用测试集预测自己模型准确度的代码

以下是使用Keras VGG16模型对测试集进行预测并计算模型准确度的代码示例：

from keras.preprocessing.image import ImageDataGenerator
from keras.models import load_model
from keras.applications.vgg16 import preprocess_input
import numpy as np

# 加载模型
model = load_model('path/to/your/model.h5')

# 定义测试集数据生成器
test_datagen = ImageDataGenerator(preprocessing_function=preprocess_input)
test_generator = test_datagen.flow_from_directory(
        'path/to/your/test_data',
        target_size=(224, 224),
        batch_size=32,
        class_mode='categorical')

# 对测试集进行预测
y_pred = model.predict_generator(test_generator)

# 将预测结果转换为类别标签
y_pred = np.argmax(y_pred, axis=1)

# 计算模型准确度
accuracy = np.mean(y_pred == test_generator.classes)

print('Testing accuracy:', accuracy)

在上面的代码中，我们首先加载了我们训练好的模型，然后定义了一个测试集数据生成器，将测试集图片进行预处理，并指定了测试集图片的大小、批次大小和类别类型。接下来，我们使用`predict_generator`方法对测试集进行预测，得到了每张图片属于每个类别的概率值。我们将概率值最大的类别作为预测结果，然后计算预测准确度。最后，我们输出了测试准确度的值。