没有合适的资源?快使用搜索试试~ 我知道了~
首页Tensorflow模型实现预测或识别单张图片
Tensorflow模型实现预测或识别单张图片
19 下载量 51 浏览量
更新于2023-03-16
收藏 66KB PDF 举报
主要为大家详细介绍了Tensorflow模型实现预测或识别单张图片,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
资源详情
资源推荐
![](https://csdnimg.cn/release/download_crawler_static/12861452/bg1.jpg)
Tensorflow模型实现预测或识别单张图片模型实现预测或识别单张图片
主要为大家详细介绍了Tensorflow模型实现预测或识别单张图片,具有一定的参考价值,感兴趣的小伙伴们可以
参考一下
利用Tensorflow训练好的模型,图片进行预测和识别,并输出相应的标签和预测概率。
如果想要多张图片,可以进行批次加载和预测,这里仅用单张图片进行演示。
模型文件:
预测图片:
这里直接贴代码,都有注释,应该很好理解
import tensorflow as tf
import inference
image_size = 128 # 输入层图片大小
# 模型保存的路径和文件名
MODEL_SAVE_PATH = "model/"
MODEL_NAME = "model.ckpt"
# 加载需要预测的图片
image_data = tf.gfile.FastGFile("./data/test/d.png", 'rb').read()
# 将图片格式转换成我们所需要的矩阵格式,第二个参数为1,代表1维
decode_image = tf.image.decode_png(image_data, 1)
# 再把数据格式转换成能运算的float32
decode_image = tf.image.convert_image_dtype(decode_image, tf.float32)
# 转换成指定的输入格式形状
image = tf.reshape(decode_image, [-1, image_size, image_size, 1])
# 定义预测结果为logit值最大的分类,这里是前向传播算法,也就是卷积层、池化层、全连接层那部分
test_logit = inference.inference(image, train=False, regularizer=None)
# 利用softmax来获取概率
probabilities = tf.nn.softmax(test_logit)
# 获取最大概率的标签位置
correct_prediction = tf.argmax(test_logit, 1)
# 定义Savar类
saver = tf.train.Saver()
with tf.Session() as sess:
sess.run((tf.global_variables_initializer(), tf.local_variables_initializer()))
# 加载检查点状态,这里会获取最新训练好的模型
ckpt = tf.train.get_checkpoint_state(MODEL_SAVE_PATH)
if ckpt and ckpt.model_checkpoint_path:
# 加载模型和训练好的参数
saver.restore(sess, ckpt.model_checkpoint_path)
print("加载模型成功:" + ckpt.model_checkpoint_path)
# 通过文件名得到模型保存时迭代的轮数.格式:model.ckpt-6000.data-00000-of-00001
global_step = ckpt.model_checkpoint_path.split('/')[-1].split('-')[-1]
# 获取预测结果
probabilities, label = sess.run([probabilities, correct_prediction])
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)