基于神经网络给图识物

由前面所学的知识我们已经掌握了神经网络的基础知识，但是要想模型可以使用，还需要编写一套 程序。实现给图识物。

tensorflow给出了predict函数，它可以根据输入的特征输出预测结果，由predict函数实现前向传播，执行识图的应用只需要三步分别如下所示：

1. 复现模型(前向传播)

model = tf.keras.models.Sequential([
    tf.keras.layers.Flatten(),
    tf.keras.layer.Dense(128,activation='relu'),
    tf.keras.layers.Dense(128, activation='softmax')
])

2.加载参数

model.load_weights(model_save_path)

3.预测结果

result=model.predict(x_predict)

整体识别程序

from PIL import Image
import numpy as np
import tensorflow as tf

model_save_path = './checkpoint/mnist.ckpt'

model = tf.keras.models.Sequential([
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dense(10, activation='softmax')
])

model.load_weights(model_save_path)

preNum = int(input("input the number of test pictures:"))

for i in range(preNum):
    image_path = input("the path of test picture:")
    img = Image.open(image_path)
    img = img.resize((28, 28), Image.ANTIALIAS)
    img_arr = np.array(img.convert('L'))

    img_arr = 255-img_arr

    img_arr = img_arr / 255.0
    x_predict = img_arr[tf.newaxis, ...]
    result = model.predict(x_predict)
    pred = tf.argmax(result, axis=1)
    print('\n')
    tf.print(pred)