TensorFlow卷积神经网络之使用训练好的模型识别猫狗图片_模型识别检验结果

199 浏览量更新于2023-05-03 评论收藏 141KB 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

TensorFlow卷积神经网络之使用训练好的模型识别猫狗图片卷积神经网络之使用训练好的模型识别猫狗图片

本文是Python通过TensorFlow卷积神经网络实现猫狗识别的姊妹篇，是加载上一篇训练好的模型，进行猫狗识别

本文逻辑：

我从网上下载了十几张猫和狗的图片，用于检验我们训练好的模型。

处理我们下载的图片

加载模型

将图片输入模型进行检验

代码如下：

#coding=utf-8

import tensorflow as tf

from PIL import Image

import matplotlib.pyplot as plt

import input_data

import numpy as np

import model

import os

#从指定目录中选取一张图片

def get_one_image(train):

files = os.listdir(train)

n = len(files)

ind = np.random.randint(0,n)

img_dir = os.path.join(train,files[ind])

image = Image.open(img_dir)

plt.imshow(image)

plt.show()

image = image.resize([208, 208])

image = np.array(image)

return image

def evaluate_one_image():

#存放的是我从百度下载的猫狗图片路径

train = '/Users/yangyibo/GitWork/pythonLean/AI/猫狗识别/testImg/'

image_array = get_one_image(train)

with tf.Graph().as_default():

BATCH_SIZE = 1 # 因为只读取一副图片所以batch 设置为1

N_CLASSES = 2 # 2个输出神经元，［1，0］或者［0，1］猫和狗的概率

# 转化图片格式

image = tf.cast(image_array, tf.float32)

# 图片标准化

image = tf.image.per_image_standardization(image)

# 图片原来是三维的 [208, 208, 3] 重新定义图片形状改为一个4D 四维的 tensor

image = tf.reshape(image, [1, 208, 208, 3])

logit = model.inference(image, BATCH_SIZE, N_CLASSES)

# 因为 inference 的返回没有用激活函数，所以在这里对结果用softmax 激活

logit = tf.nn.softmax(logit)

# 用最原始的输入数据的方式向模型输入数据 placeholder

x = tf.placeholder(tf.float32, shape=[208, 208, 3])

# 我门存放模型的路径

logs_train_dir = '/Users/yangyibo/GitWork/pythonLean/AI/猫狗识别/saveNet/'

# 定义saver

saver = tf.train.Saver()

with tf.Session() as sess:

print("从指定的路径中加载模型。。。。")

# 将模型加载到sess 中

ckpt = tf.train.get_checkpoint_state(logs_train_dir)

if ckpt and ckpt.model_checkpoint_path:

global_step = ckpt.model_checkpoint_path.split('/')[-1].split('-')[-1] saver.restore(sess, ckpt.model_checkpoint_path)

print('模型加载成功, 训练的步数为 %s' % global_step)

else:

print('模型加载失败，，，文件没有找到')

# 将图片输入到模型计算

prediction = sess.run(logit, feed_dict={x: image_array})

# 获取输出结果中最大概率的索引

max_index = np.argmax(prediction)

if max_index==0:

print('猫的概率 %.6f' %prediction[:, 0])

else:

print('狗的概率 %.6f' %prediction[:, 1])

# 测试

evaluate_one_image()

/Users/yangyibo/GitWork/pythonLean/AI/猫狗识别/testImg/ 存放的是我从百度下载的猫狗图片

执行结果：

因为从testimg 中选取图片是随机的，所以每次执行的结果不同

从指定的路径中加载模型。。。。

模型加载成功, 训练的步数为 11999

狗的概率 0.964047

[Finished in 6.8s]

代码地址：https://github.com/527515025/My-TensorFlow-tutorials/blob/master/猫狗识别/evaluateCatOrDog.py

欢迎star。

总结总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对软件开发网的支持。如果你想了解更多相关内容请查看下面相关链接

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1页未读，立即下载

weixin_38658085

粉丝: 8
资源: 948

会员权益专享

TensorFlow卷积神经网络之使用训练好的模型识别猫狗图片

评论0

会员权益专享

最新资源

TensorFlow卷积神经网络之使用训练好的模型识别猫狗图片

评论0

猫狗深度学习，卷积神经网络（自己写的）

水平集matlab代码-DogClassification:使用cnn对斯坦福犬数据集进行分类

matlab测试数据集

基于Django+TensorFlow卷积神经网络的猫狗识别 web 系统源码+部署教程文档+全部数据+训练好的模型（高分项目）

Python通过TensorFlow卷积神经网络实现猫狗识别.pdf

tensorflow 猫狗识别

卷积神经网络模型训练中的数据增强技术

Python中的卷积神经网络与图像识别

深入探索卷积神经网络：图像识别中的关键技术

卷积神经网络（CNN）基本原理与图像识别应用

卷积神经网络（CNN）在深度学习模型中的应用

python通过tensorflow卷积神经网络实现猫狗识别

卷积神经网络的猫狗识别实战

基于tensorflow的猫狗识别的国内研究现状

基于tensorflow的猫狗识别课程设计的内容及要求

tensorflow 猫狗识别源码

卷积神经网络进行猫狗识别代码

基于tensorflow的猫狗识别

tensorflow猫狗识别数据集下载

猫狗识别 tensorflow

会员权益专享

最新资源