TensorFlow卷积神经网络之使用训练好的模型识别猫狗图片


Posted in Python onMarch 14, 2019

本文是Python通过TensorFlow卷积神经网络实现猫狗识别的姊妹篇,是加载上一篇训练好的模型,进行猫狗识别

本文逻辑:

  1. 我从网上下载了十几张猫和狗的图片,用于检验我们训练好的模型。
  2. 处理我们下载的图片
  3. 加载模型
  4. 将图片输入模型进行检验

代码如下:

#coding=utf-8 
import tensorflow as tf 
from PIL import Image 
import matplotlib.pyplot as plt
import input_data 
import numpy as np
import model
import os 
#从指定目录中选取一张图片 
def get_one_image(train): 
  files = os.listdir(train)
  n = len(files)
  ind = np.random.randint(0,n)
  img_dir = os.path.join(train,files[ind]) 
  image = Image.open(img_dir) 
  plt.imshow(image)
  plt.show()
  image = image.resize([208, 208]) 
  image = np.array(image)
  return image 
def evaluate_one_image(): 
 #存放的是我从百度下载的猫狗图片路径
  train = '/Users/yangyibo/GitWork/pythonLean/AI/猫狗识别/testImg/' 
  image_array = get_one_image(train) 
  with tf.Graph().as_default(): 
    BATCH_SIZE = 1 # 因为只读取一副图片 所以batch 设置为1
    N_CLASSES = 2 # 2个输出神经元,[1,0] 或者 [0,1]猫和狗的概率
    # 转化图片格式
    image = tf.cast(image_array, tf.float32) 
    # 图片标准化
    image = tf.image.per_image_standardization(image)
    # 图片原来是三维的 [208, 208, 3] 重新定义图片形状 改为一个4D 四维的 tensor
    image = tf.reshape(image, [1, 208, 208, 3]) 
    logit = model.inference(image, BATCH_SIZE, N_CLASSES) 
    # 因为 inference 的返回没有用激活函数,所以在这里对结果用softmax 激活
    logit = tf.nn.softmax(logit) 
    # 用最原始的输入数据的方式向模型输入数据 placeholder
    x = tf.placeholder(tf.float32, shape=[208, 208, 3]) 
    # 我门存放模型的路径
    logs_train_dir = '/Users/yangyibo/GitWork/pythonLean/AI/猫狗识别/saveNet/'  
    # 定义saver 
    saver = tf.train.Saver() 
    with tf.Session() as sess: 
      print("从指定的路径中加载模型。。。。")
      # 将模型加载到sess 中 
      ckpt = tf.train.get_checkpoint_state(logs_train_dir) 
      if ckpt and ckpt.model_checkpoint_path: 
        global_step = ckpt.model_checkpoint_path.split('/')[-1].split('-')[-1] 
        saver.restore(sess, ckpt.model_checkpoint_path) 
        print('模型加载成功, 训练的步数为 %s' % global_step) 
      else: 
        print('模型加载失败,,,文件没有找到') 
      # 将图片输入到模型计算
      prediction = sess.run(logit, feed_dict={x: image_array})
      # 获取输出结果中最大概率的索引
      max_index = np.argmax(prediction) 
      if max_index==0: 
        print('猫的概率 %.6f' %prediction[:, 0]) 
      else: 
        print('狗的概率 %.6f' %prediction[:, 1]) 
# 测试
evaluate_one_image()

/Users/yangyibo/GitWork/pythonLean/AI/猫狗识别/testImg/ 存放的是我从百度下载的猫狗图片

TensorFlow卷积神经网络之使用训练好的模型识别猫狗图片

执行结果:

因为从testimg 中选取图片是随机的,所以每次执行的结果不同

从指定的路径中加载模型。。。。
模型加载成功, 训练的步数为 11999
狗的概率 0.964047
[Finished in 6.8s]

代码地址:https://github.com/527515025/My-TensorFlow-tutorials/blob/master/猫狗识别/evaluateCatOrDog.py

欢迎star。

总结

以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,谢谢大家对三水点靠木的支持。如果你想了解更多相关内容请查看下面相关链接

Python 相关文章推荐
Python+Django搭建自己的blog网站
Mar 13 Python
python list删除元素时要注意的坑点分享
Apr 18 Python
Python实现字符串的逆序 C++字符串逆序算法
May 28 Python
Django框架模板的使用方法示例
May 25 Python
python实现LRU热点缓存及原理
Oct 29 Python
解决pytorch报错:AssertionError: Invalid device id的问题
Jan 10 Python
pytorch实现特殊的Module--Sqeuential三种写法
Jan 15 Python
Django 用户登陆访问限制实例 @login_required
May 13 Python
Python单元测试及unittest框架用法实例解析
Jul 09 Python
selenium如何定位span元素的实现
Jan 13 Python
详解python的xlwings库读写excel操作总结
Feb 26 Python
Python实战之实现康威生命游戏
Apr 26 Python
Python通过TensorFlow卷积神经网络实现猫狗识别
Mar 14 #Python
python3实现钉钉消息推送的方法示例
Mar 14 #Python
详解Python做一个名片管理系统
Mar 14 #Python
在Python中使用Neo4j的方法
Mar 14 #Python
浅谈Python中eval的强大与危害
Mar 13 #Python
详解python中init方法和随机数方法
Mar 13 #Python
Python使用sqlalchemy模块连接数据库操作示例
Mar 13 #Python
You might like
1.PHP简介
2006/10/09 PHP
php zend 相对路径问题
2009/01/12 PHP
fleaphp rolesNameField bug解决方法
2011/04/23 PHP
php函数与传递参数实例分析
2014/11/15 PHP
通过url查找a元素并点击
2014/04/09 Javascript
JavaScript知识点总结之如何提高性能
2016/01/15 Javascript
jQuery实现的文字hover颜色渐变效果实例
2016/02/20 Javascript
Bootstrap Metronic完全响应式管理模板学习笔记
2016/07/08 Javascript
基于JavaScript实现瀑布流效果
2017/03/29 Javascript
javaScript中封装的各种写法示例(推荐)
2017/07/03 Javascript
jQuery动态添加.active 实现导航效果代码思路详解
2017/08/29 jQuery
AngularJS中下拉框的基本用法示例
2017/10/11 Javascript
jQuery实现的简单无刷新评论功能示例
2017/11/08 jQuery
JS+Canvas绘制动态时钟效果
2017/11/10 Javascript
浅谈AngularJS中$http服务的简单用法
2018/05/15 Javascript
vue踩坑记录之数组定义和赋值问题
2019/03/20 Javascript
基于JavaScript的数据结构队列动画实现示例解析
2020/08/06 Javascript
如何使用 JavaScript 操作浏览器历史记录 API
2020/11/24 Javascript
使用node-media-server搭建一个简易的流媒体服务器
2021/01/20 Javascript
python模块之StringIO使用示例
2015/04/08 Python
python检测是文件还是目录的方法
2015/07/03 Python
简单谈谈python中的多进程
2016/11/06 Python
Python文件操作函数用法实例详解
2019/12/24 Python
Python reshape的用法及多个二维数组合并为三维数组的实例
2020/02/07 Python
信号生成及DFT的python实现方式
2020/02/25 Python
python3.4中清屏的处理方法
2020/07/06 Python
全面解析CSS Media媒体查询使用操作(推荐)
2017/08/15 HTML / CSS
IE10 Error.stack 让脚本调试更加方便快捷
2013/04/22 HTML / CSS
Html5 webRTC简单实现视频调用的示例代码
2020/09/23 HTML / CSS
世界最大的私人旅行指南出版商:孤独星球
2016/08/23 全球购物
电子商务专业求职信
2014/03/08 职场文书
安全保证书范文
2014/04/29 职场文书
2014乡镇干部纪律作风整顿思想汇报
2014/09/13 职场文书
房屋产权共有协议书范本
2014/11/03 职场文书
幼儿园教师管理制度
2015/08/05 职场文书
PO模式在selenium自动化测试框架的优势
2022/03/20 Python