如何利用Keras模型对图像进行预测？

我已经完成了训练过程，得到了.hdf5格式的模型

我使用的神经网络是暹罗卷积神经网络

验证时，预测图像是来自我的测试文件夹的随机图像。 我在测试时使用这个

test_alphabets = glob('{}/TEST/*'.format(dataset_dirname))

testset={}
for alph in test_alphabets:
    dirs = glob('{}/*'.format(alph))
    alphabet = {}
    for dirname in dirs:
        alphabet[dirname] = glob('{}/*'.format(dirname))
    testset[alph] = alphabet        

然后，使用

display_validation_test(siamese_model1, testset)

结果是这样的 如何通过输入所需的图像，然后使用.h5模型显示相应的图像来执行测试过程

首先，使用与您培训的模型相同的体系结构创建模型（keras.model或keras.Sequential instance）

从.h5文件

model.load_weights（'your_weight_file.h5'）加载权重

阅读你的图片。如果是单个图像，请确保添加1作为批次维度

调用predict:

prediction=model.predict（图像）

---

在3号桥，你能解释一下吗？我不明白。。请帮助meLet's说，你有一个图像加载为numpy矩阵，形状为（128128,3），你需要告诉模型，预测时它是一个单一的图像。您必须将其重塑为（1128128,3），其中1显示批次维度（此处，批次大小为1）。这可以使用

image=np来完成。展开dims（0，image）