图像分类器Keras预测

我遵循Keras博客上的一个教程，我有以下问题：一旦模型经过训练，我如何挑选图像并对其进行分类

我知道train_generator.class_索引中有模型中的类

目标是引入图像的路径并返回相应的类

代码如下：

#使用的库
从keras导入后端为K
来自keras进口申请
来自keras导入优化器
从keras.preprocessing.image导入ImageDataGenerator，数组\u到\u img，img\u到\u数组，加载\u img
从keras.models导入顺序
从keras.layers导入Conv2D、MaxPooling2D
从keras.layers导入激活、脱落、变平、致密
从keras.optimizers导入新加坡元
进口cv2
从PIL导入图像
将matplotlib.pyplot作为plt导入
从scipy.misc导入imread
将numpy作为np导入
%matplotlib内联
#我们图像的维度。
img_宽度，img_高度=150，150
列车数据目录='数据/列车'
验证\数据\目录='数据/验证'
nb_系列样品=3000
nb_验证_样本=1200
纪元=10#50
批量大小=16
n_类=3
#获取数据
#这是我们将用于训练的增强配置
序列数据发生器=图像数据发生器（重缩放=1./255，剪切范围=0.2，缩放范围=0.2，水平翻转=True）
#这是我们将用于测试的增强配置：
#只有重新缩放
test_datagen=ImageDataGenerator（重缩放=1./255）
列车生成器=来自列车目录的列车数据生成流（列车数据目录，目标尺寸=（img\U宽度，img\U高度）\
批次大小=批次大小，类别模式='categorical'）#类别模式='binary'
验证\u生成器=来自\u目录的测试\u datagen.flow\u（验证\u数据\u目录，目标\u大小=（img\u宽度，img\u高度）\
批次大小=批次大小，类别模式=分类'#类别模式=分类
如果K.image_data_format（）==“channels_first”：
输入形状=（3，img\u宽度，img\u高度）
其他：
输入形状=（img\u宽度，img\u高度，3）
模型=顺序（）
model.add（Conv2D（32，（3，3），input_shape=input_shape））
添加（激活（'relu'））
add（MaxPooling2D（池大小=（2,2）））
model.add（Conv2D（32，（3,3）））
添加（激活（'relu'））
add（MaxPooling2D（池大小=（2,2）））
model.add（Conv2D（64，（3,3）））
添加（激活（'relu'））
add（MaxPooling2D（池大小=（2,2）））
model.add（展平（））
模型.添加（密度（64））
添加（激活（'relu'））
模型。添加（辍学率（0.5））
模型添加（密集（n_类））
model.add（激活（'softmax'））#sigmoid
model.compile（loss='classifical_crossentropy'，optimizer='rmsprop'，metrics=['accurity']）\loss binary_crossentropy
#另一种模式
#compile（优化器=SGD（lr=0.0001，动量=0.9），loss='classifical\u crossentropy'，metrics=['accurity']）
型号。装配发电机（系列发电机，每个历元的步数=nb系列样品//批量大小，
时代=时代，验证\数据=验证\生成器，验证\步骤=nb\验证\样本//批量大小）

编辑1:

我编写了以下函数，但它不起作用：

def预测（型号、img、目标尺寸）：
如果img.size！=目标尺寸：
img=img.resize（目标大小）
x=image.img_到_数组（img）
x=np。展开尺寸（x，轴=0）
x=预处理_输入（x）
preds=模型预测（x）
返回preds[0]
目标_大小=（150150）
模型=加载模型（模型名称）
img_path='image_test/test1.jpg'
img=Image.open（img\u路径）
图=plt.图（）
plt.imshow（img）
plt.show（）
preds=预测（模型、img、目标尺寸）
preds

编辑2：

出现错误：

---------------------------------------------------------------------------
AttributeError回溯（最近一次呼叫上次）
在（）
17 plt.imshow（img）
18 plt.show（）
--->19 preds=预测（模型、img、目标尺寸）
20先令
预测中（模型、img、目标尺寸）
3 img=img.调整大小（目标尺寸）
4.
---->5 x=image.img_到_数组（img）
6 x=np。展开尺寸（x，轴=0）
7 x=预处理_输入（x）
AttributeError:'numpy.ndarray'对象没有属性'img_to_array'

编辑3：解决方案如下（我们必须重塑图形）：

def预测（型号、img、目标尺寸）：
如果img.size！=目标尺寸：
img=img.resize（目标大小）
x=img.getdata（）#.img_到_数组（img）
x=np。展开尺寸（x，轴=0）
x=（x/255.）
打印（“shape=，x.shape”）
x=x.重塑（1150150,3）
preds=模型预测（x）
返回preds[0]
目标_大小=（150150）
img_path='image_test/bird.jpg'
img=Image.open（img\u路径）
图=plt.图（）
plt.imshow（img）
plt.show（）
preds=预测（模型、img、目标尺寸）
preds

从生成器中获取您的模型所期望的确切形状：

X, Y = train_generator.next()  #or next(train_generator)

现在看看这些：

print(X.shape)
print(X.max())

获取一个图像库，例如Pillow（

from PIL import image

），然后将所需文件加载到数组中（方法取决于库）

确保此加载数组中的最大值与

X

中的最大值兼容（例如，您可能需要将数组除以255）

您可以创建包含多个图像的数组，也可以仅创建一个图像，但请确保在第一个维度中考虑批大小：

oneImageBatch = oneImageArray.reshape((1,)+oneImageArray.shape)

---

然后使用

model.predict（oneImageBatch）

这肯定会奏效

from keras.preprocessing import image

targ_size = (150, 150)

def predict(model, img_path):
    x = image.load_image(img_path, target_size=targ_size)
    x = image.img_to_array(img)
    x = np.expand_dims(x, axis=0)
    x = preprocess_input(x)
    preds = model.predict(x)
    return preds


model = load_model(model_name)
img_path = 'image_test/test1.jpg'
preds = predict(model, img_path)

这将为每个类返回一个概率数组。如果您想知道它是哪个类，只需执行以下操作：

---

pred\u class=np.argmax（pred，axis=-1）

你的意思是

model.predict（image）

不起作用吗？我在我的帖子中制作并编辑了。什么不起作用？您是否收到错误消息，或者预测结果与预期不符？请发布错误消息。