![13825820-5cf682513b2e4124.jpg](https://i-blog.csdnimg.cn/blog_migrate/8919e90f36b0940b9f1a22a09f7ea3a8.jpeg)
作者 | 周伟能
来源 | 小叮当讲SAS和Python
Python在机器学习(人工智能,AI)方面有着很大的优势。谈到人工智能,一般也会谈到其实现的语言Python。前面有几讲也是关于机器学习在图像识别中的应用。今天再来讲一个关于运用google的深度学习框架tensorflow和keras进行训练深度神经网络,并对未知图像进行预测。
导入python模块
![13825820-aedfac5b5e40863c.jpg](https://i-blog.csdnimg.cn/blog_migrate/f54e23109a1f32077b61337cb5d8c624.jpeg)
导入图像数据
![13825820-b6766f22b5d982b8.jpg](https://i-blog.csdnimg.cn/blog_migrate/b5d3400d1e300f800151a2dad252fbce.jpeg)
![13825820-852d18a643285a13.jpg](https://i-blog.csdnimg.cn/blog_migrate/35ba91d7c887a1f211c4ac127f6e3e15.jpeg)
合并列表数据
![13825820-5f74c48fbdac8c9b.jpg](https://i-blog.csdnimg.cn/blog_migrate/d2dc396ae419913ff93661ab5df72c62.jpeg)
将图片数据转化为数组
![13825820-e4e4de83068fab7f.jpg](https://i-blog.csdnimg.cn/blog_migrate/a3363cab0f5e0fb404729405fc97afd1.jpeg)
显示一张图片
![13825820-b8692d499ad85534.jpg](https://i-blog.csdnimg.cn/blog_migrate/627c42e9f706d580e7513719d3b382e8.jpeg)
![13825820-9d978391186a3631.jpg](https://i-blog.csdnimg.cn/blog_migrate/24be723442849aebbbd7d43bd4f92730.jpeg)
![13825820-ea163ab527151b5d.jpg](https://i-blog.csdnimg.cn/blog_migrate/4c8ff0b99bf08116c9cf351eed562564.jpeg)
![13825820-b40ecda22d56cf8b.jpg](https://i-blog.csdnimg.cn/blog_migrate/f6c4bf0de2e47394a29619874e9c25be.png)
训练神经网络
![13825820-e05f90057c864689.jpg](https://i-blog.csdnimg.cn/blog_migrate/a89a8bfbb8dfbef54cb1259ffacf7a1e.jpeg)
![13825820-74b220471a2e6cf6.jpg](https://i-blog.csdnimg.cn/blog_migrate/186d3c2ca873bedc54107c4a798f2a3f.jpeg)
我们可以看到测试集的准确率达到99.67%
预测一个图像
![13825820-8bf342c2c689223f.jpg](https://i-blog.csdnimg.cn/blog_migrate/fd1b4b5b2a2199aab25e079c80af419c.jpeg)
![13825820-ae48d973a2740a64.jpg](https://i-blog.csdnimg.cn/blog_migrate/dc32cb35e53fc8703669e8bef26fd9c5.jpeg)
![13825820-67c90d8d992338e6.jpg](https://i-blog.csdnimg.cn/blog_migrate/421cb89dd020eac2d4d3801849bbf291.jpeg)
![13825820-c9a882d4fd6d5f39.jpg](https://i-blog.csdnimg.cn/blog_migrate/53a1561b9427ad9ba21b08a1bcc4ef99.jpeg)
![13825820-dd4648fb88a0df2d.jpg](https://i-blog.csdnimg.cn/blog_migrate/03131d908e5e8589baa773e0ac077822.jpeg)
预测为汽车的概率为100%。(括号内为真实标签)
![13825820-f5ec19e6dd0bce72.jpg](https://i-blog.csdnimg.cn/blog_migrate/864da1e7cef649f4f87cd711d48bd627.jpeg)
![13825820-ec46ba31821040b8.jpg](https://i-blog.csdnimg.cn/blog_migrate/9a181ed1aa1f2d6532ecca0e9b0d5f5f.jpeg)
预测为美女的概率为100%。(括号内为真实标签)
![13825820-32b80a5834374739.jpg](https://i-blog.csdnimg.cn/blog_migrate/a50466af1b3b7a7aa84d1f4c6daa0a53.jpeg)
![13825820-b6ba6c6bd06b3ed4.jpg](https://i-blog.csdnimg.cn/blog_migrate/8111132db9585f9eabe3e5706902e62e.jpeg)
测试集中前15个图像预测完全正确。Nice!
最后我们来识别单张图片。
![13825820-e50e5c77951b7077.jpg](https://i-blog.csdnimg.cn/blog_migrate/ef1572b4673fe992a8a701f2a9c291d4.jpeg)
![13825820-b6e9db0c1a346177.jpg](https://i-blog.csdnimg.cn/blog_migrate/641d1de1894de3ae14b59405dace6849.jpeg)
![13825820-2ff0a927275c9a22.jpg](https://i-blog.csdnimg.cn/blog_migrate/966e4ed8581f9566bba3fcecf4f80540.jpeg)
结果预测为汽车。Nice!
最后来预测一下外部随便下载的汽车或美女图片
![13825820-f10dfbc26998fa5f.jpg](https://i-blog.csdnimg.cn/blog_migrate/aef623383346d1f6a581c575b5415d32.jpeg)
![13825820-e045df7c54c15b63.jpg](https://i-blog.csdnimg.cn/blog_migrate/5c9aeb49568e64974f3ecd4426f44b24.jpeg)
![13825820-90f0ea4085752e64.jpg](https://i-blog.csdnimg.cn/blog_migrate/66566737b90a7f670b7905763e13293f.jpeg)
![13825820-28c8e1ceb39c9d2e.jpg](https://i-blog.csdnimg.cn/blog_migrate/4771d9816ed56e11b061526d2cc7c1dc.jpeg)
预测为汽车,不错!
小编这里有10张图片,前5张为汽车图片,后五张为美女图片。
下面进行批量预测:
![13825820-fb3d0b553b7bf2d9.jpg](https://i-blog.csdnimg.cn/blog_migrate/19f3127150f3266a46ee2b4e10d26b04.jpeg)
![13825820-3bfa4b715ea93273.jpg](https://i-blog.csdnimg.cn/blog_migrate/4173370b3c41019bb7deb3eef2a70ffd.jpeg)
结果也是完全正确。
看到这里,感觉神经网络是不是很神奇,要想让神经网络预测得准确,我们就必须给予大量的数据进行训练模型,优化模型,以至于达到准确识别图像的目的,图像识别作为人工智能的一部分,现在已经慢慢走向成熟,虽然机器也有出错的时候,但是进过不断优化,错误率将会越来越小,相信机器智能或者人工智能时代能够创造出更多智能而美好的东西。为社会,为人类的自由做出更大的贡献。