Tensorflow 如何修复:不';t预测存储在mnist张量流样本中的局部图像
输入图像 当我在预测后输出它们时,你们可以看到白色变成黑色,黑色变成白色 我使用了keras的tensorflow和fashionmist数据库来训练我的模型。现在,我试图预测我从互联网上采集的图像样本。他们的预测是错误的。另外,当我绘制图像时,我看到图像白色变为黑色,黑色变为白色Tensorflow 如何修复:不';t预测存储在mnist张量流样本中的局部图像,tensorflow,Tensorflow,输入图像 当我在预测后输出它们时,你们可以看到白色变成黑色,黑色变成白色 我使用了keras的tensorflow和fashionmist数据库来训练我的模型。现在,我试图预测我从互联网上采集的图像样本。他们的预测是错误的。另外,当我绘制图像时,我看到图像白色变为黑色,黑色变为白色 import os import PIL from keras_preprocessing.image import load_img import tensorflow as tf
import os
import PIL
from keras_preprocessing.image import load_img
import tensorflow as tf
from tensorflow import keras
from PIL import Image
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
fashion_mnist = keras.datasets.fashion_mnist
(train_images, train_label),(test_images, test_label) =
fashion_mnist.load_data()
class_names = ['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat',
'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot']
train_images = train_images/255
test_images = test_images/255
model = keras.models.Sequential(
[keras.layers.Flatten(input_shape=(28, 28)),
keras.layers.Dense(128, activation="relu"),
keras.layers.Dense(10, activation="softmax")
])
model.compile(optimizer="adam", loss="sparse_categorical_crossentropy", metrics=["accuracy"])
model.fit(train_images, train_label, epochs=5)
# load the image
batch_holder = np.zeros((2,28, 28))
img_dir= 'C:/images/'
for i,img in enumerate(os.listdir(img_dir)):
img = load_img(os.path.join(img_dir,img), target_size=
(28,28),color_mode="grayscale")
batch_holder[i, :] = img
batch_holder = batch_holder/255
fig = plt.figure(figsize=(20, 20))
result = model.predict(batch_holder)
for i, img in enumerate(batch_holder):
fig.add_subplot(4, 5, i + 1)
plt.title(class_names[np.argmax(result[i])])
plt.imshow(img, cmap=plt.cm.binary)
plt.show()
替换
批次持有人=np.零((2,28,28))为
batch_holder=255*np.one((2,28,28)),并将数据类型更改为uint8。此外,如果将其设置为灰度,则将形状视为((1,28,28))。