Python 给定一组要识别的图像和一个经过训练的模型，我如何使模型识别图像？

如何使经过训练的模型识别从其他地方提取的图像

使用MNIST数据集对模型进行训练，并将图像 由模型识别的是从文档中提取的手写数字

使用的库包括

tensorflow 2.0

、

cv2

和

numpy

据我所知，

model.predict（）

标识其输入。我的意思是，如果我以某种形式输入“3”的手写图像，它将识别并输出“3”。同样，所述

模型

使用基于的MNIST数据集进行训练

假设是，我想知道函数的参数，或者如何格式化图像/图像集以获得预期的输出。如果没有，我想知道我将如何确切地实现这一点

导入cv2
将matplotlib.pyplot作为plt导入
将numpy作为np导入
导入tensorflow作为tf
从tensorflow进口keras
#加载并准备MNIST数据集。将样本从整数转换为浮点数：
（x_列，y_列），（x_测试，y_测试）=keras.dataset.mnist.load_data（）
x_系列，x_测试=x_系列/255.0，x_测试/255.0
def createModel（）：
#通过层叠建立tf.keras.Sequential模型。
#选择用于培训的优化器和损失函数：
模型=tf.keras.models.Sequential([
keras.layers.Flatten（输入_形状=（28,28）），
keras.layers.致密（128，活化='relu'），
keras.层压降（0.2），
keras.层.致密（10，活化='softmax'）
])
model.compile（优化器='adam'，
损失=“稀疏”\u分类”\u交叉熵'，
指标=[‘准确度’]）
回归模型
model=createModel（）
模型拟合（x_序列，y_序列，历元=5，验证数据=（x_检验，y_检验））
模型评估（x_检验，y_检验）
c=cv2.imread（“./3.png”，1）
c=c.重塑（-1,28*28）/255.0
#现在怎么办？

我希望

model.predict（）

能满足我的需要。到目前为止，这是我的尝试：

model.predict（c）

outputs

TypeError:predict（）缺少1个必需的位置参数：“x”

model.predict（[“”]，c）

outputs

ValueError：当使用数据张量作为模型的输入时，您应该指定
步骤
参数。

等等

我知道在这一点上我是盲目和错误的。朝着正确方向迈出的任何一步都是值得赞赏的。谢谢

编辑：

所以我知道即使在重塑之前，输入图像
c
也应该是灰度28x28，所以我尝试跳过它。我实施预测时出现的错误是：

...
tensorflow.python.framework.errors_impl.InvalidArgumentError: Matrix size-incompatible: In[0]: [28,28], In[1]: [784,128]
     [[{{node dense/MatMul}}]] [Op:__inference_keras_scratch_graph_2593]

因此，我在预测之前使用了
c=c.reformate（-1，28*28）/255.0
，但它从未预测任何数字的正确值

然后我尝试使用
cv2.imshow（str（predicted_value），c）
来显示输入图像的样子。显示的图像只是一条黑白斑点的细线。因为我还不能链接图片

我的问题是，这是模型的图像应该是什么样子的吗？或者我可能把事情搞砸了？谢谢
 当您的模型使用灰度图像进行训练时，它希望输入图像为灰度图像。
RGB图像有3个通道。灰度图像只有一个通道

因此，当加载图像时，使用0对应于cv2.IMREAD\u GRAYSCALE以灰度模式加载图像，而不是1代表cv2.IMREAD\u COLOR

（注意：对cv2使用-1。IMREAD\u未更改有关详细信息，请参阅opencv文档）

对于预测，重塑后可以使用：

predicted_value = np.argmax(model.predict(yourimage))

c
的形状是什么？哦，我在示例代码中犯了一个错误
txt
应该是
c
，因此
c
应该是单通道28*28图像，这与单个MNIST图像的形状相同。谢谢！成功了！然而，它从来没有一个数字是正确的。请在我的帖子中查看以下编辑，因为评论太长了。再次感谢你！预测的准确性是衡量神经网络结构好坏的一个指标，它还取决于训练/验证数据。你必须调整你的神经网络，通过调整超参数，如层数、层类型、学习率、优化器等，使其具有良好的泛化能力。在你的情况下，我认为5个时代不足以建立模型。尝试将其增加到100以上。你的验证准确度是多少？所以输入图像不是问题？顺便说一下，如果您所说的验证精度是训练或加载重量后的
模型评估（x_检验，y_检验）
的输出，那么它至少是0.97。我会试试你说的。非常感谢。
predicted_value = np.argmax(model.predict(yourimage))