我们现在已经掌握了全连接网络的设计,学会了mnist数据集的使用,可以成功输入数字,识别准确率了。但是,程序只输出准确率是没有用的,我们希望程序可以实现实际应用:输入一张真实图片,输出预测的结果。我们还希望找到图像分类问题的套路。最起码给我一堆标注过的图片,我可以制作数据集,实现特定应用。 可见,要让程序实现特定应用,我们还有两个问题需要解决:
一个问题是,如果对输入的真实图片,输出预测结果。另一个是,如何制作数据集,实现特定应用。 ----------------------------------------------------------------------------------------------------------------------------------
我们先看第一个问题,如何对输入的真实图片,输出预测结果。
我们拿到一张,手写数字图片,要通过神经网络预测结果,就是要把这张图喂入神经网络,让神经网络输出结果y。由于网络的结构已经训练好了,固定了,要用这个网络,就要符合这个网络的输入输出接口。网络的输入是784个像素点组成的一维数组,每个像素点是01之间的浮点数,浮点数的值越接近0越黑,越接近1越白;网络的输出是10个可能性概率组成的一维数组,数组中最大的这个元素所对应的索引号就是预测的结果。
我们可以分成两个函数解决:先对手写图片testPic作预处理;当图片符合神经网络的输入要求后,再把它喂给复现的神经网络模型,输出预测值。如下图黄色的两个函数。
我们通过代码来看一下。实现输入图片输出预测值的代码中,包括以下四个文件,其中前向传播、反向传播还有测试程序与《手写数字识别准确率输出》中的完全相同。这里增加了mnist_app.py的程序。
【代码】 //mnist_forward.py
|
如何对输入的真实图片,输出预测结果?
最新推荐文章于 2022-11-23 20:29:05 发布
本文介绍如何利用深度学习模型处理真实世界的图片,并输出预测结果。从数据预处理、模型选择到训练过程,详细讲解每个步骤,助你实现从图片到预测的完整流程。
摘要由CSDN通过智能技术生成