深度学习实现NBA球星颜值打分完整案例（二）

已经上传了完整的代码和数据，数据比较少，大家可以帮忙补充。

项目地址（记得给个start）：https://github.com/jimenbian/face_rank

 

最近咳嗽加班比较严重，耽误了几天，今天接着之前的文章来讲。在上一篇文章中我们已经生成了预测模型，今天要做的事情很简单，就是调用这个模型针对某一张人脸图片进行分类，看看究竟把这个人按照颜值分到class1（好看的一类）还是class2（不好看的一类）。现在直接来看face_test.py这个代码。

 

路径设置

IMAGE_PATH = './trainDataSet/class1/d.jpg'

MODEL_PATH='./model/model'

 

• IMAGE_PATH是需要预测的图片的地址，我们就随便选了一张，帅不帅大家自己判断

 

• MODEL_PATH是上一篇文章介绍的生成好的模型存放的路径

 

网络结构

通过conv_net函数构建的CNN网络结构

 

图片预处理

接下来我们要对预测图片做一下预处理，是得图片可以直接通过模型预测。预处理逻辑与训练的时候基本相同

image_test = tf.read_file(IMAGE_PATH)

image_test =tf.image.decode_jpeg(image_test, channels=CHANNELS)

image_test =tf.image.resize_images(image_test, [IMG_HEIGHT, IMG_WIDTH])

image_test = image_test * 1.0/127.5 - 1.0

label=0

X_test= tf.train.batch([image_test],batch_size=batch_size,capacity=batch_size *8, num_threads=4)

 

做一些解码、resize、归一化工作，然后将预测图片生成为tensorflow的batch。

 

 

构建预测逻辑

logits_train = conv_net(X_test, N_CLASSES,dropout, reuse=False, is_training=True)

result=tf.argmax(logits_train, 1)

首先通过conv_net函数构建网络，因为是二分类问题，只有好看和不好看两种情况，通过tf.argmax挑选出属于class1和class2的概率。

 

在session中启动result的计算op，然后把结果打印。

 

预测结果

通过tf.session中的print(result1[0])把结果打印出来：

• 如果结果是0表示预测图片属于class1

• 如果结果是1表示属于class2

好啦，两篇分享的文章都写出来了，代码数据也贡献出来了，大家学会了没~