Python 有没有办法把覆盆子派的图像放进去';将摄像头模块实时导入训练模型?
我想对人们的行为进行实时分类。 从Raspberry Pi摄像头模块实时获取npy图像阵列成功。 我得到了一个经过训练的模型,并想应用它。 然而,我担心将npy交付给LSTM模型的格式。 这是我刮的模型Python 有没有办法把覆盆子派的图像放进去';将摄像头模块实时导入训练模型?,python,tensorflow,Python,Tensorflow,我想对人们的行为进行实时分类。 从Raspberry Pi摄像头模块实时获取npy图像阵列成功。 我得到了一个经过训练的模型,并想应用它。 然而,我担心将npy交付给LSTM模型的格式。 这是我刮的模型 def souhaiel_model(tf,wgts='fightw.hdfs'): layers = tf.keras.layers models = tf.keras.models losses = tf.keras.losses optimizers = t
def souhaiel_model(tf,wgts='fightw.hdfs'):
layers = tf.keras.layers
models = tf.keras.models
losses = tf.keras.losses
optimizers = tf.keras.optimizers
metrics = tf.keras.metrics
num_classes = 2
cnn = models.Sequential()
#cnn.add(base_model)
input_shapes=(160,160,3)
np.random.seed(1234)
vg19 = tf.keras.applications.vgg19.VGG19
base_model = vg19(include_top=False,weights='imagenet',input_shape=(160, 160,3))
# Freeze the layers except the last 4 layers (we will only use the base model to extract features)
cnn = models.Sequential()
cnn.add(base_model)
cnn.add(layers.Flatten())
model = models.Sequential()
model.add(layers.TimeDistributed(cnn, input_shape=(30, 160, 160, 3)))
model.add(layers.LSTM(30 , return_sequences= True))
model.add(layers.TimeDistributed(layers.Dense(90)))
model.add(layers.Dropout(0.1))
model.add(layers.GlobalAveragePooling1D())
model.add(layers.Dense(512, activation='relu'))
model.add(layers.Dropout(0.3))
model.add(layers.Dense(num_classes, activation="sigmoid"))
adam = optimizers.Adam(lr=0.0005, beta_1=0.9, beta_2=0.999, epsilon=1e-08)
model.load_weights(wgts)
rms = optimizers.RMSprop()
model.compile(loss='binary_crossentropy', optimizer=adam, metrics=["accuracy"])
return model
你需要帮助理解的问题/事情是什么?