keras中对多张输入图片进行预测并返回预测结果

前面讨论过单张图片的输入和和预测，下面讨论一下多张图片同时输入模型的方法。

对于多张图片的输入，将多张图片读入到一个列表中，然后concatenate起来，concatenate的作用是把shape为（0,224,224,3）的每张图片tensor，打包成shape为（batch，224,224,3）的tensor，实现批量的预测或者批量训练了。

 

代码如下：

 

import numpy as np
from keras.applications.imagenet_utils import decode_predictions
from keras.preprocessing import image
from keras.applications import *
import glob

import os

# 忽略硬件加速的警告信息
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

file_path = 'Data/'
f_names = glob.glob(file_path + '*.jpg')

img = []
# 把图片读取出来放到列表中
for i in range(len(f_names)):
    images = image.load_img(f_names[i], target_size=(224, 224))
    x = image.img_to_array(images)
    x = np.expand_dims(x, axis=0)
    img.append(x)
    print('loading no.%s image' % i)

# 把图片数组联合在一起
x = np.concatenate([x for x in img])

model = ResNet50(weights='imagenet')
y = model.predict(x)
print('Predicted:', decode_predictions(y, top=3))

注意：

 

decode_predictions返回的是一个预测的列表值。

 

github地址，欢迎关注！！！