Tensorflow&CNN：验证集预测与模型评价

版权声明：本文为博主原创文章，转载 请注明出处：https://blog.csdn.net/sc2079/article/details/90480140

- 写在前面

---

　　本科毕业设计终于告一段落了。特写博客记录做毕业设计（路面裂纹识别）期间的踩过的坑和收获。希望对你有用。

　　目前有：

　　　　1.Tensorflow&CNN：裂纹分类

　　　　2.Tensorflow&CNN：验证集预测与模型评价

　　　　3.PyQt5多个GUI界面设计

　　本篇博客主要是评估所训练出来的CNN分类模型的性能。主要有几点：验证集预测、多分类混淆矩阵、多分类评价指标、预测结果堆叠图。

- 环境配置安装

---

​
　　运行环境：Python3.6、Spyder

​
　　依赖模块：Skimage、Tensorflow（CPU）、Numpy 、Matlpotlib等

- 开始工作

---

1.读取验证集图片

　　在验证集数据目录下有五个文件夹，分别以数字0-4命名，代表裂纹类型。其中，每个文件夹下各有100张图片。

def read_img(path):
    cate=[path+x for x in os.listdir(path)]
    imgs=[]
    labels=[]
    for idx,folder in enumerate(cate):
        for im in glob.glob(folder+'/*.jpg'):
            #print('reading the images:%s'%(im))
            img=io.imread(im)
            img=transform.resize(img,(100,100))
            #img=normlization(img)
            imgs.append(img)
            labels.append(idx)
    return np.asarray(imgs,np.float32),np.asarray(labels,np.int32)
path='d://test//img2//'
data,label=read_img(path)
#打乱顺序
num_example=data.shape[0]
arr=np.arange(num_example)
np.random.shuffle(arr)
data=data[arr]
label=label[arr]
x_val=data
y_val=list(label)

　　y_val即为每张图片的实际裂纹类型所