python识别简单训练模型_python tensorflow学习之识别单张图片的实现的示例

python tensorflow学习之识别单张图片的实现的示例

发布时间：2020-10-04 10:59:14

来源：脚本之家

阅读：129

假设我们已经安装好了tensorflow。

一般在安装好tensorflow后，都会跑它的demo，而最常见的demo就是手写数字识别的demo,也就是mnist数据集。

然而我们仅仅是跑了它的demo而已，可能很多人会有和我一样的想法，如果拿来一张数字图片，如何应用我们训练的网络模型来识别出来，下面我们就以mnist的demo来实现它。

1.训练模型

首先我们要训练好模型，并且把模型model.ckpt保存到指定文件夹

saver = tf.train.Saver()

saver.save(sess, "model_data/model.ckpt")

将以上两行代码加入到训练的代码中，训练完成后保存模型即可，如果这部分有问题，你可以百度查阅资料，tensorflow怎么保存训练模型，在这里我们就不罗嗦了。

2.测试模型

我们训练好模型后，将它保存在了model_data文件夹中，你会发现文件夹中出现了4个文件

然后，我们就可以对这个模型进行测试了，将待检测图片放在images文件夹下，执行

# -*- coding:utf-8 -*-

import cv2

import tensorflow as tf

import numpy as np

from sys import path

path.append('../..')

from common import extract_mnist

#初始化单个卷积核上的参数

def weight_variable(shape):

initial = tf.truncated_normal(shape, stddev=0.1)

return tf.Variable(initial)

#初始化单个卷积核上的偏置值

def bias_variable(shape):

initial = tf.constant(0.1, shape=shape)

return tf.Variable(initial)

#输入特征x，用卷积核W进行卷积运算，strides为卷积核移动步长，

#padding表示是否需要补齐边缘像素使输出图像大小不变

def conv2d(x, W):

return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

#对x进行最大池化操作，ksize进行池化的范围&#x