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

560 浏览量更新于2023-05-26 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

python通过tensorflow卷积神经网络实现猫狗识别

Python通过TensorFlow卷积神经网络实现猫狗识别

卷积神经网络完成猫狗的分类任务

基于CNN的猫狗识别项目简介

猫狗识别pytorch

基于Python语言，训练一个神经网络，让其能识别猫狗，给出相关代码

用python写一个猫狗识别代码，附注释

猫狗图像识别 matlab

基于keras的猫狗分类

resnet实现猫狗分类

基于cnn和svm的猫狗识别

怎么通过机器学习实现猫狗分类，能帮我写一段代码实现吗

帮我生产一份猫狗学习的神经网络代码

用CNN写一个深度学习的模型，实现猫狗图片识别

pytorch猫狗分类模型部署到andorid

kaggle 猫狗大战数据集

使用pytorch完成kaggle猫狗图像识别方式

写一个猫狗二分类的模型

pytorch猫狗识别数据集的格式要求

会员权益专享

最新资源