2、模型部署与应用开发-图像识别系统，顺序模型和网格结构模型指定图片分类的简单实现

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’