Google 的 inception-v3是一个训练好的图片分类模型,它可以识别你的图片并给出一个分类的置信度
截取代码最后一行如下:
for node_id in top_k:
# 获取分类名称
human_string = node_lookup.id_to_string(node_id)
# 获取该分类的置信度
score = predictions[node_id]
print('%s (score = %.5f)'%(human_string,score))
print()
看起来打印的格式应该为:类别名称+概率
于是我运行程序,没有报错,打印结果:
(score = 0.95488)
(score = 0.00470)
(score = 0.00117)
(score = 0.00095)
(score = 0.00068)
缺少了类别名称,我首先考虑是类别名称调用出错,检查发现无误
于是考虑字典匹配情况,因为其中一行代码如果没有检测到名称就返回 ‘ ’:
# 传入分类编号1-1000返回分类名称
def id_to_string(self, node_id):
if node_id not in self.node_lookup:
return ''
检查无误
最后只可能是字典本身有问题,检查字典,发现分割列表出了问题,
for line in proto_as_ascii:
if line.startswith('target_class:'):
# 获取分类编号1-1000
target_class = int(line.split(':')[1])
if line.startswith('target_class_string:'):
# 获取编号字符串n******
target_class_string = line.split(':')[1]
# 分类编号与字符串n******的对应关系,[1:-2]表示去引号
源文件中前面有两个空格没有加上,原文件中没有target开头文件,就无法识别是从这里开始的,最后就没有生成字典,于是就无法打印名称了
' target_class:'
同样,分割标记也是这种情况
target_class = int(line.split(': ')[1])