Python 如何在TensorFlow数字识别中使用自己的手绘图像

我有一些基本的Python代码来创建一个非常基本的神经网络，用于对MNIST数据集中的手绘数字进行分类

网络正在工作，我想对一幅手绘图像进行预测，该图像不属于MNIST数据集的一部分

这是我的代码：

import tensorflow as tf

mnist = tf.keras.datasets.mnist # 28x28 images of handwritten digits (0-9)

(x_train, y_train), (x_test, y_test) = mnist.load_data()

x_train = tf.keras.utils.normalize(x_train, axis=1)
x_test = tf.keras.utils.normalize(x_test, axis=1)

model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(128, activation=tf.nn.relu))
model.add(tf.keras.layers.Dense(128, activation=tf.nn.relu))
model.add(tf.keras.layers.Dense(10, activation=tf.nn.softmax))

model.compile(optimizer='adam',
    loss='sparse_categorical_crossentropy',
    metrics=['accuracy'])

model.fit(x_train, y_train, epochs=3)

val_loss, val_acc = model.evaluate(x_test, y_test)
print(val_loss, val_acc)

import matplotlib.pyplot as plt

predictions = model.predict([x_test])

import numpy as np

print(np.argmax(predictions[0]))

下面是我可以进行预测的地方。我想更改代码，以便根据自己的手绘图像（标记为“test_image.jpg”）进行预测：

import tensorflow as tf

mnist = tf.keras.datasets.mnist # 28x28 images of handwritten digits (0-9)

(x_train, y_train), (x_test, y_test) = mnist.load_data()

x_train = tf.keras.utils.normalize(x_train, axis=1)
x_test = tf.keras.utils.normalize(x_test, axis=1)

model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(128, activation=tf.nn.relu))
model.add(tf.keras.layers.Dense(128, activation=tf.nn.relu))
model.add(tf.keras.layers.Dense(10, activation=tf.nn.softmax))

model.compile(optimizer='adam',
    loss='sparse_categorical_crossentropy',
    metrics=['accuracy'])

model.fit(x_train, y_train, epochs=3)

val_loss, val_acc = model.evaluate(x_test, y_test)
print(val_loss, val_acc)

import matplotlib.pyplot as plt

predictions = model.predict([x_test])

import numpy as np

print(np.argmax(predictions[0]))

---

任何想法都会非常有用

由于您的模型是在黑白图像上训练的，因此您只有一个通道，需要将图像转换为灰度：

import numpy as np
import cv2

img = cv2.imread('test_image.jpg')
img = cv2.resize(img, (28,28))
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
img = np.reshape(img, [1,28,28])

predictions = model.predict(img)
print(np.argmax(predictions[0]))

---

hi@kluu-当尝试使用imshow时，我得到以下错误。有什么想法吗<代码>类型错误：图像数据的形状（10，）无效哦，你想打印什么？如果要显示处理后的图像，它应该是

plt.imshow（img[0，：，：]）

.hmm有趣-显示处理后的图像时，它仍然是BGR颜色格式（不是灰度）。有什么想法吗，@kluu？我的错，您可能需要指定colormap参数：

plt.imshow（img[0，：，：]，cmap='gray'）

。