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：

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