Python TensorFlow:对图像进行分类
以下是关于TensorFlow 2.0图像分类的教程: 本教程介绍了如何构建和训练模型,但我不理解如何实际使用模型 我要寻找的是一种在图像中传递一条路径(最好只是它的路径)并返回某种分类结果的方法。大概是这样的:Python TensorFlow:对图像进行分类,python,tensorflow,classification,tensorflow-datasets,tensorflow2.0,Python,Tensorflow,Classification,Tensorflow Datasets,Tensorflow2.0,以下是关于TensorFlow 2.0图像分类的教程: 本教程介绍了如何构建和训练模型,但我不理解如何实际使用模型 我要寻找的是一种在图像中传递一条路径(最好只是它的路径)并返回某种分类结果的方法。大概是这样的: result=model.evaluate('path/to/image.jpg')) #结果=={'cat':0.92,'dog':0.08} 如何实现这一点?此外,模型保存在何处以及培训完成后如何访问它?对于打印出图像为X%cat、%Y dog的百分比概率结果的特定情况,特定te
result=model.evaluate('path/to/image.jpg'))
#结果=={'cat':0.92,'dog':0.08}
如何实现这一点?此外,模型保存在何处以及培训完成后如何访问它?对于打印出图像为X%cat、%Y dog的百分比概率结果的特定情况,特定tensorflow教程可能更有用 在这本书中,他们确实了解了如何绘制出概率百分比,以及使用tensorflow的大部分基础知识 训练模型后,可以使用更多代码以图形方式显示结果,如教程中的以下代码:
def plot_image(i, predictions_array, true_label, img):
predictions_array, true_label, img = predictions_array, true_label[i], img[i]
plt.grid(False)
plt.xticks([])
plt.yticks([])
plt.imshow(img, cmap=plt.cm.binary)
predicted_label = np.argmax(predictions_array)
if predicted_label == true_label:
color = 'blue'
else:
color = 'red'
plt.xlabel("{} {:2.0f}% ({})".format(class_names[predicted_label],
100*np.max(predictions_array),
class_names[true_label]),
color=color)
def plot_value_array(i, predictions_array, true_label):
predictions_array, true_label = predictions_array, true_label[i]
plt.grid(False)
plt.xticks(range(10))
plt.yticks([])
thisplot = plt.bar(range(10), predictions_array, color="#777777")
plt.ylim([0, 1])
predicted_label = np.argmax(predictions_array)
thisplot[predicted_label].set_color('red')
thisplot[true_label].set_color('blue')
然后,使用以下代码,可以绘制一些关于结果的曲线图:
至于访问您的模型并保存它,以下内容可能有用
希望有帮助