pythontensorflow学习之识别单张图片的实现的示例 - CSDN文库

tensorflow识别图片

94 浏览量更新于2023-03-16 评论收藏 157KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

python tensorflow学习之识别单张图片的实现的示例学习之识别单张图片的实现的示例

本篇文章主要介绍了python tensorflow学习之识别单张图片的实现的示例，小编觉得挺不错的，现在分享给大

家，也给大家做个参考。一起跟随小编过来看看吧

假设我们已经安装好了tensorflow。

一般在安装好tensorflow后，都会跑它的demo，而最常见的demo就是手写数字识别的demo,也就是mnist数据集。

然而我们仅仅是跑了它的demo而已，可能很多人会有和我一样的想法，如果拿来一张数字图片，如何应用我们训练的网络模

型来识别出来，下面我们就以mnist的demo来实现它。

1.训练模型训练模型

首先我们要训练好模型，并且把模型model.ckpt保存到指定文件夹

saver = tf.train.Saver()

saver.save(sess, "model_data/model.ckpt")

将以上两行代码加入到训练的代码中，训练完成后保存模型即可，如果这部分有问题，你可以百度查阅资料，tensorflow怎么

保存训练模型，在这里我们就不罗嗦了。

2.测试模型测试模型

我们训练好模型后，将它保存在了model_data文件夹中，你会发现文件夹中出现了4个文件

然后，我们就可以对这个模型进行测试了，将待检测图片放在images文件夹下，执行

# -*- coding:utf-8 -*-

import cv2

import tensorflow as tf

import numpy as np

from sys import path

path.append('../..')

from common import extract_mnist

#初始化单个卷积核上的参数

def weight_variable(shape):

initial = tf.truncated_normal(shape, stddev=0.1)

return tf.Variable(initial)

#初始化单个卷积核上的偏置值

def bias_variable(shape):

initial = tf.constant(0.1, shape=shape)

return tf.Variable(initial)

#输入特征x，用卷积核W进行卷积运算，strides为卷积核移动步长，

#padding表示是否需要补齐边缘像素使输出图像大小不变

def conv2d(x, W):

return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

#对x进行最大池化操作，ksize进行池化的范围，

def max_pool_2x2(x):

return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],strides=[1, 2, 2, 1], padding='SAME')

def main():

#定义会话

sess = tf.InteractiveSession()

#声明输入图片数据，类别

x = tf.placeholder('float',[None,784])

x_img = tf.reshape(x , [-1,28,28,1])

W_conv1 = weight_variable([5, 5, 1, 32])

b_conv1 = bias_variable([32])

W_conv2 = weight_variable([5,5,32,64])

b_conv2 = bias_variable([64])

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余4页未读，立即下载

评论0

weixin_38725426

粉丝: 6
资源: 936

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈