tensorflow 图像分类 demo

代码从 https://tensorflow.google.cn/tutorials/keras/classification 搬移
改了一下输入的构造 （仅是一个 demo 输入构造简化了很多）
代码中使用 图像数据下载链接 https://download.csdn.net/download/zslngu/16165364

最终的结果

1. 输入准备

首先拿到 0~9 数字的图片，清理成下面这种格式

数字 0 示例 (文件暂时命名为 0.model)

01111110
01111111
11100111
11100011
11100011
11000011
11100011
11100011
11100111
01111110
01111110

因为是 demo 所以简单构造一下输入 将所有数字的图形信息都复制一下

def copy_data():
    l = [str(i) for i in range(0, 10)]
    for ll in l:
        path = "./tf/" + str(ll) + ".model"
        with open(path, "r") as f:
            cur = f.read()
            for j in range(0, 15):
               # s_path ex: 0_1.model 生成15个一样的输入
                s_path = "./tf/" + str(ll) + "_" + str(j) + ".model"
                with open(s_path, "w") as wf:
                    wf.write(cur)

这样一共生成 10 * 15 个图像数据

2. 格式化输入

代码引用的库 & 环境配置

import os
model_path = "代码根目录"
os.chdir(model_path)
import cv2
import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt
from tensorflow import keras

将原始内容可视化

trains = []
labels=[]

def get_train(path):
    with open(path,