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!!!