黑马程序员技术交流社区

标题: 【上海校区】TensorFlow 卷积神经网络之使用训练好的模型识... [打印本页]

---

作者: 不二晨    时间: 2018-8-14 09:43
标题: 【上海校区】TensorFlow 卷积神经网络之使用训练好的模型识...

本文逻辑：
1. 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。
2. 处理我们下载的图片
3. 加载模型
4. 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 pltimport input_data import numpy as npimport modelimport 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()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45
• 46
• 47
• 48
• 49
• 50
• 51
• 52
• 53
• 54
• 55
• 56
• 57
• 58
• 59
• 60
• 61
• 62
• 63
• 64
• 65
• 66
• 67
• 68
• 69
• 70
  

/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]

• 1
• 2
• 3
• 4
  

代码地址：https://github.com/527515025/My-TensorFlow-tutorials/blob/master/%E7%8C%AB%E7%8B%97%E8%AF%86%E5%88%AB/evaluateCatOrDog.py

欢迎star。

【转载】 https://blog.csdn.net/u012373815/article/details/79222121

---

作者: 不二晨    时间: 2018-8-16 16:57
奈斯

---

欢迎光临 黑马程序员技术交流社区 (http://bbs.itheima.com/)

黑马程序员IT技术论坛 X3.2