這篇文章給大家分享的是有關(guān)TensorFlow中如何使用訓(xùn)練好的模型識(shí)別貓狗圖片的內(nèi)容。小編覺得挺實(shí)用的，因此分享給大家做個(gè)參考，一起跟隨小編過(guò)來(lái)看看吧。

10年積累的網(wǎng)站制作、網(wǎng)站設(shè)計(jì)經(jīng)驗(yàn)，可以快速應(yīng)對(duì)客戶對(duì)網(wǎng)站的新想法和需求。提供各種問題對(duì)應(yīng)的解決方案。讓選擇我們的客戶得到更好、更有力的網(wǎng)絡(luò)服務(wù)。我雖然不認(rèn)識(shí)你，你也不認(rèn)識(shí)我。但先網(wǎng)站設(shè)計(jì)后付款的網(wǎng)站建設(shè)流程，更有田林免費(fèi)網(wǎng)站建設(shè)讓你可以放心的選擇與我們合作。

本文邏輯：

1. 我從網(wǎng)上下載了十幾張貓和狗的圖片，用于檢驗(yàn)我們訓(xùn)練好的模型。

2. 處理我們下載的圖片

3. 加載模型

4. 將圖片輸入模型進(jìn)行檢驗(yàn)

代碼如下：

#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 
#從指定目錄中選取一張圖片 
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(): 
 #存放的是我從百度下載的貓狗圖片路徑
  train = '/Users/yangyibo/GitWork/pythonLean/AI/貓狗識(shí)別/testImg/' 
  image_array = get_one_image(train) 
  with tf.Graph().as_default(): 
    BATCH_SIZE = 1 # 因?yàn)橹蛔x取一副圖片 所以batch 設(shè)置為1
    N_CLASSES = 2 # 2個(gè)輸出神經(jīng)元，［1，0］ 或者 ［0，1］貓和狗的概率
    # 轉(zhuǎn)化圖片格式
    image = tf.cast(image_array, tf.float32) 
    # 圖片標(biāo)準(zhǔn)化
    image = tf.image.per_image_standardization(image)
    # 圖片原來(lái)是三維的 [208, 208, 3] 重新定義圖片形狀 改為一個(gè)4D 四維的 tensor
    image = tf.reshape(image, [1, 208, 208, 3]) 
    logit = model.inference(image, BATCH_SIZE, N_CLASSES) 
    # 因?yàn)?nbsp;inference 的返回沒有用激活函數(shù)，所以在這里對(duì)結(jié)果用softmax 激活
    logit = tf.nn.softmax(logit) 
    # 用最原始的輸入數(shù)據(jù)的方式向模型輸入數(shù)據(jù) placeholder
    x = tf.placeholder(tf.float32, shape=[208, 208, 3]) 
    # 我門存放模型的路徑
    logs_train_dir = '/Users/yangyibo/GitWork/pythonLean/AI/貓狗識(shí)別/saveNet/'  
    # 定義saver 
    saver = tf.train.Saver() 
    with tf.Session() as sess: 
      print("從指定的路徑中加載模型。。。。")
      # 將模型加載到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('模型加載成功, 訓(xùn)練的步數(shù)為 %s' % global_step) 
      else: 
        print('模型加載失敗，，，文件沒有找到') 
      # 將圖片輸入到模型計(jì)算
      prediction = sess.run(logit, feed_dict={x: image_array})
      # 獲取輸出結(jié)果中大概率的索引
      max_index = np.argmax(prediction) 
      if max_index==0: 
        print('貓的概率 %.6f' %prediction[:, 0]) 
      else: 
        print('狗的概率 %.6f' %prediction[:, 1]) 
# 測(cè)試
evaluate_one_image()

/Users/yangyibo/GitWork/pythonLean/AI/貓狗識(shí)別/testImg/ 存放的是我從百度下載的貓狗圖片

執(zhí)行結(jié)果：

因?yàn)閺膖estimg 中選取圖片是隨機(jī)的，所以每次執(zhí)行的結(jié)果不同

從指定的路徑中加載模型。。。。
模型加載成功, 訓(xùn)練的步數(shù)為 11999
狗的概率 0.964047
[Finished in 6.8s]

感謝各位的閱讀！關(guān)于“TensorFlow中如何使用訓(xùn)練好的模型識(shí)別貓狗圖片”這篇文章就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，讓大家可以學(xué)到更多知識(shí)，如果覺得文章不錯(cuò)，可以把它分享出去讓更多的人看到吧！

文章題目：TensorFlow中如何使用訓(xùn)練好的模型識(shí)別貓狗圖片-創(chuàng)新互聯(lián)
文章起源：http://vcdvsql.cn/article8/dgdeip.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)頁(yè)設(shè)計(jì)公司、服務(wù)器托管、定制開發(fā)、定制網(wǎng)站、網(wǎng)站收錄、網(wǎng)站營(yíng)銷

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)