在深度学习当中,因为模型在训练时使用的方法不同,所以到后面应用预测时也就需要采用不同的方法,本次介绍2种不同网格结构的模型进行应用,希望对大家入门有所帮助
运行环境:
keras 2.3.1
opencv-python 4.1.2.30
numpy 1.17.4
tensorflow-gpu 1.13.1
使用的图片可以网上找:
目录结构:
Model 网络结构模型
recognition1.py
import cv2
from keras.models import load_model
import numpy as np
img=cv2.imread('image/frog.jpg')
img=cv2.resize(img,(32,32),interpolation=cv2.INTER_AREA)
categories=['plane', 'car', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']
img=(img.reshape(1,32,32,3))/255
model=load_model('model1.h5')
forecast=model.predict(img)
forecast=np.argmax(forecast)
forecast=categories[forecast]
print('预测结果:',forecast)
运行结果:
Sequential 顺序模型
recognition2.py
import cv2
from keras.models import load_model
img=cv2.imread('image/panda.jpg')
img=cv2.resize(img,(300,300))
img=(img.reshape(1,-1))/255
model=load_model('model2.h5')
categories=['cat','panda']
forecast=categories[int(model.predict_classes(img))]
print('预测结果:',forecast)
运行结果:
小结:
2个代码文件预测使用的代码分别是:
forecast=model.predict(img)
forecast=np.argmax(forecast)
forecast=categories[forecast]
和
forecast=categories[int(model.predict_classes(img))]
在模型预测时, 我们可以使用predict结合numpy的argmax方法预测,而网络结构模型Model class不能使用predict_classes()方法,顺序模型Sequential class 2种方法都适用的
第一个网格结构模型代码文件如果使用predict_classes方法可能会报错:AttributeError: ‘Model’ object has no attribute ‘predict_classes’