VGG16的keras测试实现

前言

keras的实现还是跟常规tf的实现有点区别。本文只涉及到网络的测试部分，不含训练过程，使用的参数是训练好的vgg16_weights_tf_dim_ordering_tf_kernels.h5文件，使用的标签对应文件是class.txt。

代码（环境：windows-keras）

from keras.models import Sequential
from keras.layers.core import Dense, Dropout, Flatten
from keras.layers.convolutional import Convolution2D, MaxPooling2D
import cv2
import numpy as np

class vgg16():
    def __init__(self):
        self.model = Sequential()
        self.mean = [103.93, 116.79, 123.68]

    def load_img(self, imgurl):
        self.img = cv2.imread(imgurl)
        im = cv2.resize(self.img,(224, 224)).astype(np.float32)
        im[:,:,0] -= self.mean[0]		#RGB三通道图像，对每一个通道减去这个通道的均值，目的是加快网络收敛。
        im[:, :, 1] -= self.mean[1]
        im[:, :, 2] -= self.mean[