深度学习12-迁移学习+VGG16+cifar10案例

直接应用原模型预测

导入模型

导入函数：

导入代码

import keras

# 读入完整的VGG16模型设定
model = keras.applications.vgg16.VGG16(include_top = True, 
                                       weights = 'imagenet', 
                                       input_tensor = None, 
                                       input_shape = None, 
                                       pooling = None, 
                                       classes = 1000) # 所有参数均为默认值
model.summary()         
model.layers[1].get_weights()                              

整理数据

将数据整理为模型所需格式

from keras.preprocessing import image
from keras.applications.imagenet_utils import preprocess_input
# 按照模型指定大小载入图片
img = image.load_img('test.jpg', target_size = (224, 224))
img
import numpy as np

x = image.img_to_array(img) # 转化为三维数组（224，224，3）
print(x[:5, :5, 1])
x = np.array([x]) # 转换为四维格式（1，224，224，3），也可使用np.expand_dims()
x = preprocess_input(x) # 预处理（减去均值）
print(x[0, :5, :5, 1])

进行预测

y_pred = model.predict(x)# 预测概率

print<