图像分类识别衣服帽子裤子鞋子的代码

这是一个简单的图像分类识别衣服、帽子、裤子和鞋子的代码示例：

import tensorflow as tf
from tensorflow.keras import layers, models

# 定义模型
model = models.Sequential([
    layers.Conv2D(32, (3, 3), activation='relu', input_shape=(150, 150, 3)),
    layers.MaxPooling2D((2, 2)),
    layers.Conv2D(64, (3, 3), activation='relu'),
    layers.MaxPooling2D((2, 2)),
    layers.Conv2D(128, (3, 3), activation='relu'),
    layers.MaxPooling2D((2, 2)),
    layers.Flatten(),
    layers.Dense(512, activation='relu'),
    layers.Dense(4, activation='softmax')
])

# 编译模型
model.compile(optimizer='adam',
              loss='categorical_crossentropy',
              metrics=['accuracy'])

# 加载数据集
train_datagen = tf.keras.preprocessing.image.ImageDataGenerator(rescale=1./255)
train_generator = train_datagen.flow_from_directory(
        '/path/to/train/directory',
        target_size=(150, 150),
        batch_size=20,
        class_mode='categorical')

validation_datagen = tf.keras.preprocessing.image.ImageDataGenerator(rescale=1./255)
validation_generator = validation_datagen.flow_from_directory(
        '/path/to/validation/directory',
        target_size=(150, 150),
        batch_size=20,
        class_mode='categorical')

# 训练模型
model.fit_generator(
        train_generator,
        steps_per_epoch=100,
        epochs=10,
        validation_data=validation_generator,
        validation_steps=50)

# 对新图像进行预测
import numpy as np
from tensorflow.keras.preprocessing import image

img_path = '/path/to/new/image'
img = image.load_img(img_path, target_size=(150, 150))
img_tensor = image.img_to_array(img)
img_tensor = np.expand_dims(img_tensor, axis=0)
img_tensor /= 255.

prediction = model.predict(img_tensor)
print(prediction)

这个代码使用了 TensorFlow 和 Keras 库来定义和训练一个卷积神经网络模型。数据集应该按照类别组织在两个不同的文件夹中，每个文件夹的名称应该是类别的名称。在训练期间，模型将使用 ImageDataGenerator 来从数据集中加载和预处理图像。最后，模型将对新图像进行预测并输出一个四维向量，每个元素代表一个类别的概率。