卷积神经网络简单的应用（三）：模型测试

1. 模型测试
   模型训练好之后通过重新加载模型的方式进行模型测试，使用Tensorflow中的Saver对象。相关代码如下：
   

   def test_cnn(x_data):
       output = create_cnn(4)
       saver = tf.train.Saver()
       with tf.Session() as sess:
           #加载训练好的模型
           saver.restore(sess,"./model/cnn.model-2100")
           preject = tf.argmax(output,1)
           x_in = np.array(x_data)
           #keep_prob设置为1
           label = sess.run(preject,feed_dict={X:[x_in],keep_prob:1})
       return label

   主函数为：
   

   if __name__ == '__main__':
       isTrain = 2    
       if 1 == isTrain:        
           X = tf.placeholder(tf.float32,[None,200,150,3])
           Y = tf.placeholder(tf.float32,[None,4])
           
           keep_prob = tf.placeholder(tf.float32)
           train_cnn(xdata,ydata)
       if 2 == isTrain:
           #将测试数据放在相应的文件中    
           path_list = ['./0','./1','./2','./3']
           for p in path_list:
               file_info = os.listdir(p)
               for file_name in file_info:
                   x_data = read_test_data(p+'/'+file_name)
                   if type(x_data) == type(None):
                       print('==>',p)
                       continue
                   #没有这句，会出现问题
                   tf.reset_default_graph()  
                   X = tf.placeholder(tf.float32,[None,200,150,3])
                   keep_prob = tf.placeholder(tf.float32)
                   l = test_cnn(x_data)
                   label = ['girl','beauty girl','boy','handsome boy']               
                   print(p,':',file_name,'====>',label[l[0]])