使用Keras预训练好的模型进行目标类别预测详解


Posted in Python onJune 27, 2020

前言

最近开始学习深度学习相关的内容,各种书籍、教程下来到目前也有了一些基本的理解。参考Keras的官方文档自己做一个使用application的小例子,能够对图片进行识别,并给出可能性最大的分类。

闲言少叙,开始写代码

环境搭建相关就此省去,网上非常多。我觉得没啥难度

from keras.applications.resnet50 import ResNet50
from keras.preprocessing import image
from keras.applications.resnet50 import preprocess_input, decode_predictions
import numpy as np

导入权重,首次会从网络进行下载,不过速度还是挺快的,使用ImageNet的数据集

model = ResNet50(weights='imagenet')

定义一个函数读取图片文件并处理。这里需要安装PLI的库。 pip install Pillow ,不然会报错

def load_image(img_path):
  img = image.load_img(img_path, target_size=(224, 224))
  x = image.img_to_array(img)
  x = np.expand_dims(x, axis=0)
  x = preprocess_input(x)
  return x

加载一个图片文件,默认在当前路径寻找

x=load_image('zebra.jpg')

哈哈,开始预测了!激动人心啊

preds = model.predict(x)

执行速度很快,现在看看结果

print('Predicted:', decode_predictions(preds, top=3)[0])

Predicted: [(‘n02391049', ‘zebra', 0.99566585), (‘n02423022', ‘gazelle', 0.0010297714), (‘n01518878', ‘ostrich', 0.00067320856)]

准确率还是不错,后续还测试了一些飞机之类的图片,总体来讲马马虎虎!

是不是非常简单,确实很简单!

补充知识:模型训练loss先迅速下降后一直上升

loss函数走势如下:

使用Keras预训练好的模型进行目标类别预测详解

检查代码没什么问题,分析应该是陷入了局部最优,把学习率调低一点就好了,从0.01调到了0.001

以上这篇使用Keras预训练好的模型进行目标类别预测详解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。

Python 相关文章推荐
python线程锁(thread)学习示例
Dec 04 Python
pandas进行数据的交集与并集方式的数据合并方法
Jun 27 Python
caffe binaryproto 与 npy相互转换的实例讲解
Jul 09 Python
想学python 这5本书籍你必看!
Dec 11 Python
对python 多个分隔符split 的实例详解
Dec 20 Python
Python matplotlib画图与中文设置操作实例分析
Apr 23 Python
python取均匀不重复的随机数方式
Nov 27 Python
Python基于模块Paramiko实现SSHv2协议
Apr 28 Python
python语言中有算法吗
Jun 16 Python
Pytorch框架实现mnist手写库识别(与tensorflow对比)
Jul 20 Python
pycharm如何使用anaconda中的各种包(操作步骤)
Jul 31 Python
python缩进长度是否统一
Aug 02 Python
浅谈keras 模型用于预测时的注意事项
Jun 27 #Python
python suds访问webservice服务实现
Jun 26 #Python
解析Python 偏函数用法全方位实现
Jun 26 #Python
Python如何优雅删除字符列表空字符及None元素
Jun 25 #Python
使用pytorch实现论文中的unet网络
Jun 24 #Python
python连接mysql有哪些方法
Jun 24 #Python
pytorch VGG11识别cifar10数据集(训练+预测单张输入图片操作)
Jun 24 #Python
You might like
PHP分页显示制作详细讲解
2006/10/09 PHP
用PHPdig打造属于你自己的Google[图文教程]
2007/02/14 PHP
php学习笔记之基础知识
2014/11/08 PHP
php+mysql数据库实现无限分类的方法
2014/12/12 PHP
php+mysqli实现批量替换数据库表前缀的方法
2014/12/29 PHP
搭建基于Docker的PHP开发环境的详细教程
2015/07/01 PHP
CI框架使用composer安装的依赖包步骤与方法分析
2016/11/21 PHP
微信 getAccessToken方法详解及实例
2016/11/23 PHP
PHP进制转换实例分析(2,8,16,36,64进制至10进制相互转换)
2017/02/04 PHP
网页设计常用的一些技巧
2006/12/22 Javascript
javascript string字符串优化问题
2011/07/31 Javascript
javascript中length属性的探索
2011/07/31 Javascript
基于jquery中children()与find()的区别介绍
2013/04/26 Javascript
Array 重排序方法和操作方法的简单实例
2014/01/24 Javascript
浅析javascript的间隔调用和延时调用
2014/11/12 Javascript
在JavaScript的AngularJS库中进行单元测试的方法
2015/06/23 Javascript
AngularJs 60分钟入门基础教程
2016/04/03 Javascript
详解如何在NodeJS项目中优雅的使用ES6
2017/04/22 NodeJs
node版本管理工具n包使用教程详解
2018/11/09 Javascript
vue 右键菜单插件 简单、可扩展、样式自定义的右键菜单
2018/11/29 Javascript
vue-mugen-scroll组件实现pc端滚动刷新
2019/08/16 Javascript
小程序怎样让wx.navigateBack更好用的方法实现
2019/11/01 Javascript
vue el-table实现行内编辑功能
2019/12/11 Javascript
Window环境下Scrapy开发环境搭建
2018/11/18 Python
pyqt 实现在Widgets中显示图片和文字的方法
2019/06/13 Python
Python学习笔记之函数的定义和作用域实例详解
2019/08/13 Python
python函数声明和调用定义及原理详解
2019/12/02 Python
ipython jupyter notebook中显示图像和数学公式实例
2020/04/15 Python
基于python实现获取网页图片过程解析
2020/05/11 Python
详解python中groupby函数通俗易懂
2020/05/14 Python
《真想变成大大的荷叶》教学反思
2014/04/14 职场文书
硕士学位申请报告
2015/05/15 职场文书
小学教育见习总结
2015/06/23 职场文书
董事长年会致辞
2015/07/29 职场文书
诗词赏析-(浣溪沙)
2019/08/13 职场文书
Zabbix6通过ODBC方式监控Oracle 19C的详细过程
2022/09/23 Servers