【手把手带你入门深度学习之150行代码的汉字识别系统】学习笔记 ·003 用训练模型进行预测

立即学习:手把手带你入门深度学习之150行代码的汉字识别系统-6-部署网络到应用中-李梓佳的在线视频教程-CSDN程序员研修院

目录

一、用训练模型进行预测代码

二、思路总结

1、模型的导入

2、测试图像的输入

3、根据测试图像进行预测

三、API总结

---

一、用训练模型进行预测代码

import cv2
import tensorflow as tf


with tf.Session() as sess:
    """加载模型"""
    loader = tf.train.import_meta_graph("./model/model.meta")
    loader.restore(sess, './model/model')

    """开始识别"""
    capture = cv2.VideoCapture(0)
    while True:
        ret, frame = capture.read()  # 获取一帧
        show_img = frame.copy()  # show_img是原图像frame的拷贝
        crop_img = frame[100:200, 100:200]  # crop_img是在原图像frame上的部分截取
        cv2.rectangle(show_img, (100, 100), (200, 200), (0, 0, 255), 5)  # 在show_img上画出截取部分的框框
        cv2.imshow('frame', show_img)  # 显示图片show_img
        k = cv2.waitKey(1)  # OpenCV延迟1毫秒、同时检测是否有按键被按下（如果有键被按下时，将键值返回给q）
        # 按下Q键退出
        if k == ord('q'):
            break
        # 按下S键进行识别
        elif k == ord('s'):
            out = sess.run("output:0", feed_dict={"data_in:0": [crop_img]})
            res = ['我', '好', '帅'][out[0]]
            print("识别结果：", res)
            cv2.imshow("crop", crop_img)

    capture.release()
    cv2.destroyAllWindows()

二、思路总结

1、模型的导入

要有一个会话sess，要构建好模型载入器，要将模型文件路径填入，恢复到会话中

2、测试图像的输入

和准备数据集时同样的方法，使用cv调用摄像头，框选部分图像，作为输入

3、根据测试图像进行预测

在会话sess中运行模型中与输出相应的"name:后缀"，同时将测试图像的数据feed给模型中与输入相应的"name:后缀"，得到的返回值即为输出结果。

这里需要注意的是，本质上sess读取的模型中就蕴含了原来训练时神经网络的结构，所以name要和原来训练时神经网络中变量的name相对应

三、API总结

API	作用	使用示例
tf.train.import_meta_graph	构建tf会话载入器	loader = tf.train.import_meta_graph("./model/model.meta")
*.restore	将训练好的模型文件加载到会话中	loader.restore(sess, './model/model')