tensorflow笔记【8】深度学习-预测

如烟937

于 2022-06-12 16:17:35 发布

阅读量1k

点赞数

分类专栏： tensorflow笔记文章标签： tensorflow 深度学习 python

本文链接：https://blog.csdn.net/qq_62625255/article/details/125246322

版权

这篇博客主要介绍了如何使用TensorFlow进行深度学习预测，包括应用实例——图像识别，详细步骤涵盖模型复现、权重加载和预测结果输出。

摘要由CSDN通过智能技术生成

tensorflow笔记【8】深度学习-预测

文章目录

一、应用程序，给图识物
二、使用步骤
总结

提示：以下是本篇文章正文内容，下面案例可供参考

一、应用程序，给图识物

predict
predict(x, batch_size=None, verbose=0, steps=None)
为输入样本生成输出预测。

计算是分批进行的

参数

x: 输入数据，Numpy 数组 （或者 Numpy 数组的列表，如果模型有多个输出）。
batch_size: 整数。如未指定，默认为 32。
verbose: 日志显示模式，0 或 1。
steps: 声明预测结束之前的总步数（批次样本）。默认值 None。
返回

预测的 Numpy 数组（或数组列表）。

二、使用步骤

1.复现模型，前向传播

2.load_weight读取已有参数

3.使用predicth函数根据输入特征输出预测结果

代码如下：

# 1.导入相关模块---import
import matplotlib.pyplot as plt
from PIL import Image
import numpy as np
import tensorflow as tf
import os
from tensorflow.keras.layers import Flatten, Dense
from tensorflow.keras import Model

# 2.搭建网络模型----class
model_save_path = './checkpoint/checkpoint.ckpt'  # 最优模型保存路径

class MnistModel(Model):
    def