keras模型在测试集测试

一、学习内容：

通过keras高级API进行自己测试集的模型预测

---

二、测试须知：

1. 通过训练集和验证集得到进行测试的模型
2. 鄙人的模型只保存的是weights(权重文件)，因而加载模型时候可能命令会不同，不多啰嗦。

---

三、预测前的准备

1. 目录

保证你的文件和目录在同一文件夹下。如图所示：

2. 数据集文件夹格式

• 数据集分为训练集、验证集、测试集三部分存放于Datasets文件夹下
• 三个数据集下对应的各个图片所属的类别的文件夹

---

四、对测试集的预测

代码如下（示例）：

# !/usr/bin/env python3
# -*- coding: utf-8 -*-
# @Time     : 2021/3/10 0010 18:31
# @Author   : Eliys.Li

import keras
from keras import Model, Input, Sequential
from keras.activations import relu, hard_sigmoid
from keras.models import load_model
from keras.layers import Conv2D, BatchNormalization, add, AveragePooling2D, Flatten, Dense, MaxPooling2D, ZeroPadding2D, \
    GlobalAveragePooling2D, Multiply, concatenate, dot, Lambda, Dropout
from keras.preprocessing import image
from keras.utils import plot_model

import tensorflow as tf
from keras import backend as K
from keras_preprocessing.image import ImageDataGenerator
from keras.preprocessing.image import load_img, img_to_array

import numpy as np
import pickle
import math
import cv2

from sklearn.metrics import confusion_matrix
from sklearn import metrics

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd

IM_WIDTH, IM_HEIGHT = 224, 224

test_dir = 'Datasets/test/'

# 训练次数和每次读取图片的数量
nb_epoch = 2000
batch_size = 32

# 测试集的图片数量
nb_test_samples= 3147
# 测试集图片总类别数目
nb_classes = 791

nb_epoch = int(nb_epoch)
batch_size = int(batch_size)

# 对读取进来的图片进行的操作
test_datagen = ImageDataGenerator(
    rescale=1. / 255,
    samplewise_std_normalization=True