当前位置:脚本大全 > > 正文

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

时间:2021-11-08 16:38:57类别:脚本大全

tensorflow卷积网络

TensorFlow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:

  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:

  • ?
  • 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
  • #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

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

    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

    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,谢谢大家对开心学习网的支持。如果你想了解更多相关内容请查看下面相关链接

    原文链接:https://blog.csdn.net/u012373815/article/details/79222121

    上一篇下一篇

    猜您喜欢

    热门推荐