深度学习框架Tensorflow

CNN（Convolutional Neural Network）是一种深度学习模型，主要用于图像识别、语音识别和自然语言处理等领域。CNN采用了卷积层和池化层等结构，可以提取图像特征并进行分类或回归任务。

MobileNet是一种轻量级的CNN模型，它的设计目标是在保持较高的准确率的同时，具有更小的模型体积和更低的计算开销，适用于移动设备等资源有限的场景。MobileNet通过使用深度可分离卷积（Depthwise Separable Convolution）来减少参数量和计算量，从而达到了模型轻量化的效果。

CNN和Mobolenet区别与联系如下：

1. 模型结构：CNN模型是一种通用的深度学习模型，而MobileNet是一种特定设计的轻量级CNN模型，其模型结构和参数量都被精心设计以达到轻量化的目的。
2. 参数量和计算量：相对于CNN模型来说，MobileNet在保持一定准确率的前提下，大大减少了参数量和计算量，使得模型在移动设备等资源有限的场景中更加适用。
3. 应用场景：CNN模型可以在各个领域中应用，包括图像识别、语音识别、自然语言处理等；而MobileNet主要是为了在移动设备等资源有限的场景中实现图像识别等任务。

anaconda创建虚拟环境和-venv区别:

python虚拟环境的理解虚拟环境

1. Anaconda 创建的虚拟环境默认会安装一些常用的科学计算包，而python -m venv 创建的虚拟环境不包含任何额外的包，需要手动安装所需的包。
2. Anaconda 创建的虚拟环境可以跨平台使用，而python -m venv 创建的虚拟环境只能在Python3.3以上的版本中使用。

anaconda环境变量的设置

D:\Anaconda
D:\Anaconda\Scripts
D:\Anaconda\Library\bin

anaconda创建虚拟环境的一些常见命令

查看所有环境列表
conda env list
创建虚拟环境
conda create -n gumou python=3.8
激活
conda activate gumou 
关闭
conda deactivate
移除
conda remove -n gumou --all
清华源
https://pypi.tuna.tsinghua.edu.cn/simple/

1.也许安装anconda在D盘但是创建环境显示在C盘 解决办法   其实不影响

2.新版PyCharm Conda环境找不到可执行文件   

直接用这个加载 ，添加本地解释器--加载conda环境 然后选择上面创建的虚拟环境

D:\Anaconda3\Scripts\conda.exe

调用模型代码

import tensorflow as tf
import cv2
from PIL import Image
import numpy as np
class ImageRecognition:
    # 初始化
    def __init__(self):
        # 模型初始化
        self.model = tf.keras.models.load_model("models/mobilenet_fv.h5")
        self.class_names = ['土豆', '圣女果', '大白菜', '大葱', '梨', '胡萝卜', '芒果', '苹果', '西红柿', '韭菜', '香蕉', '黄瓜']
    # 预测图片
    def predict_img(self, image_path):
        # 读取图片
        img = Image.open(image_path)
        img = np.asarray(img)
        # 将图片大小调整到224*224用于模型推理
        img = cv2.resize(img, (224, 224))
        # 将图片输入模型得到结果
        outputs = self.model.predict(img.reshape(1, 224, 224, 3))
        # 获得对应的类别索引
        result_index = int(np.argmax(outputs))
        # 获得对应的类别名称
        result = self.class_names[result_index]
        # 打印结果到控制台
        print("识别结果:", result)

if __name__ == "__main__":
    # 创建图像识别对象
    recognizer = ImageRecognition()
    # 假设有一个图片路径，这里需要替换成实际的图片路径
    image_path = "images/12.jpg"
    # 调用predict_img方法进行图片识别，并打印结果
    recognizer.predict_img(image_path)

自己用pyqt写了UI （自用）

from gu import Ui_Form   #UI
import sys
from PyQt5 import QtGui
from PyQt5.QtCore import *
from PyQt5.QtWidgets import *
import q     #qrc生成的py #样式表
import logo  #任务栏图标
import tensorflow as tf
import cv2
from PIL import Image
import numpy as np
import ctypes
ctypes.windll.shell32.SetCurrentProcessExplicitAppUserModelID("com.example.myapp")
#下载位置  #桌面
# 定义图像识别类
class ImageRecognition:
    def __init__(self):
        self.model = tf.keras.models.load_model("models/mobilenet_fv.h5")
        self.class_names = ['土豆', '圣女果', '大白菜', '大葱', '梨', '胡萝卜', '芒果', '苹果', '西红柿', '韭菜', '香蕉', '黄瓜']
    def predict_img(self, image_path):
        img = Image.open(image_path)
        img = np.asarray(img)
        img = cv2.resize(img, (224, 224))
        outputs = self.model.predict(img.reshape(1, 224, 224, 3))
        result_index = int(np.argmax(outputs))
        result = self.class_names[result_index]
        return result
class MyThread(QThread):
    name_received = pyqtSignal(str)  # 定义信号，传递 str 类型的参数
    def __init__(self, image_path):
        super().__init__()
        self.image_path = image_path
    def run(self):
        recognizer = ImageRecognition()
        try:
            result = recognizer.predict_img(self.image_path)
            self.name_received.emit(result)  # 发送识别结果
        except Exception as e:
            self.name_received.emit(f'识别错误: {str(e)}')
class guWindow(QWidget):
    def __init__(self):
        super().__init__()
        self.gu = Ui_Form()
        self.gu.setupUi(self)
        an = self.gu.pushButton # 按钮
        an.clicked.connect(self.gumou)  # 给按钮绑定函数
        # ✦✦✦✦✦✦✦✦✦✦设置无边框 和可拖动✦✦✦✦✦✦✦✦✦✦✦✦✦固定代码
        self.setWindowOpacity(0.90)  # 设置窗口透明度
        self.setWindowFlag(Qt.FramelessWindowHint)  # 去除边框
        self.setAttribute(Qt.WA_TranslucentBackground)  # 去除白色背景
        self.offset = QPoint()     # 记录鼠标按下的初始位置
    def mousePressEvent(self, event):
        self.offset = event.pos()
    def mouseMoveEvent(self, event):
        if event.buttons() == Qt.LeftButton:
            self.move(self.pos() + event.pos() - self.offset)    # 移动窗口位置
    def gumou(self):  # 按钮绑定的函数 功能
        # 设置文件选择对话框的过滤器，只显示图片文件
        options = QFileDialog.Options()
        file_path, _ = QFileDialog.getOpenFileName(
            self,
            "选择图片",
            "",
            "图片文件 (*.png *.jpeg *.jpg);;所有文件 (*)",
            options=options
        )
        if file_path:
            self.thread = MyThread(file_path)
            self.thread.name_received.connect(self.receive_name)
            self.thread.start()
    def receive_name(self, name):    #接收name
        self.gu.textBrowser.clear()
        self.gu.textBrowser.append(name)
if __name__ == '__main__':
    app = QApplication(sys.argv)
    icon = QtGui.QIcon(':/2.png')
    app.setWindowIcon(icon)

    # 创建可拖动窗口实例
    ui = guWindow()        #函数
    # 显示窗口
    ui.show()
    # 启动应用程序事件循环
    sys.exit(app.exec_())