使用 TensorFlow 和 CIFAR-10 数据集进行图像分类_用大模型完成对cifar10数据集的图像分类任务-CSDN博客

本文链接：https://blog.csdn.net/m0_74972192/article/details/140769962

在这篇博客中，我们将展示如何使用 TensorFlow 训练好的模型对 CIFAR-10 数据集进行图像分类，并通过 Matplotlib 可视化预测结果。CIFAR-10 数据集是一个常用的图像数据集，包含 10 个类别的 60000 张 32x32 彩色图像。

步骤

环境准备：确保安装必要的库。
加载和预处理数据：加载 CIFAR-10 数据集并进行预处理。
加载训练好的模型：确保模型文件存在并加载模型。
进行预测并可视化结果：选择示例图像进行预测，并使用 Matplotlib 可视化结果。

依赖库

在开始之前，请确保你已经安装了以下库：

pip install numpy matplotlib tensorflow

加载和预处理数据

首先，我们需要加载 CIFAR-10 数据集，并对测试数据进行预处理。CIFAR-10 数据集可以通过 TensorFlow 的 datasets 模块直接加载。

import numpy as np
from tensorflow.keras import datasets

# 加载数据集
(train_images, train_labels), (test_images, test_labels) = datasets.cifar10.load_data()
class_names = ['飞机', '汽车', '鸟', '猫', '鹿', '狗', '青蛙', '马', '船', '卡车']

# 预处理图像
test_images = test_images / 255.0

说明：这段代码加载 CIFAR-10 数据集，并将其分为训练集和测试集。然后对测试图像进行归一化处理。

加载训练好的模型

在继续进行预测之前，我们需要确保模型文件存在。假设我们已经训练好了一个模型并保存在 my_cifar10_model.h5 文件中。

import os
from tensorflow.keras import models

# 确认模型文件路径
model_path = 'my_cifar10_model.h5'
if os.path.exists(model_path):
    print("模型文件存在。")
    # 加载训练好的模型
    model = models.load_model(model_path)
else:
    print("模型文件不存在，请检查路径。")
    exit()

说明：这段代码检查模型文件是否存在，并加载训练好的模型。

进行预测并可视化结果

我们将选择一些示例图像进行预测，并使用 Matplotlib 可视化预测结果。正确的预测用蓝色显示，错误的预测用红色显示。

import matplotlib.pyplot as plt

# 选择一些示例图像
num_images = 10
sample_images = test_images[:num_images]
sample_labels = test_labels[:num_images]

# 进行预测
predictions = model.predict(sample_images)

# 可视化结果
plt.figure(figsize=(10, 10))
for i in range(num_images):
    plt.subplot(5, 5, i + 1)
    plt.xticks([])
    plt.yticks([])
    plt.grid(False)
    plt.imshow(sample_images[i])
    predicted_label = np.argmax(predictions[i])
    true_label = sample_labels[i][0]
    color = 'blue' if predicted_label == true_label else 'red'
    plt.xlabel(f"{class_names[predicted_label]} ({class_names[true_label]})", color=color)
    plt.rcParams['font.sans-serif'] = ['SimHei']
plt.show()

说明：这段代码选择一些示例图像进行预测，并使用 Matplotlib 可视化预测结果。正确的预测用蓝色显示，错误的预测用红色显示。

完整代码

import numpy as np
from tensorflow.keras import datasets, models
import os
import matplotlib.pyplot as plt

# 加载数据集
(train_images, train_labels), (test_images, test_labels) = datasets.cifar10.load_data()
class_names = ['飞机', '汽车', '鸟', '猫', '鹿', '狗', '青蛙', '马', '船', '卡车']

# 预处理图像
test_images = test_images / 255.0

# 确认模型文件路径
model_path = 'my_cifar10_model.h5'
if os.path.exists(model_path):
    print("模型文件存在。")
    # 加载训练好的模型
    model = models.load_model(model_path)
else:
    print("模型文件不存在，请检查路径。")
    exit()

# 选择一些示例图像
num_images = 10
sample_images = test_images[:num_images]
sample_labels = test_labels[:num_images]

# 进行预测
predictions = model.predict(sample_images)

# 可视化结果
plt.figure(figsize=(10, 10))
for i in range(num_images):
    plt.subplot(5, 5, i + 1)
    plt.xticks([])
    plt.yticks([])
    plt.grid(False)
    plt.imshow(sample_images[i])
    predicted_label = np.argmax(predictions[i])
    true_label = sample_labels[i][0]
    color = 'blue' if predicted_label == true_label else 'red'
    plt.xlabel(f"{class_names[predicted_label]} ({class_names[true_label]})", color=color)
    plt.rcParams['font.sans-serif'] = ['SimHei']
plt.show()