本文是Python通過TensorFlow卷積神經網絡實現貓狗識別的姊妹篇，是加載上一篇訓練好的模型，進行貓狗識別

本文邏輯：

我從網上下載了十幾張貓和狗的圖片，用于檢驗我們訓練好的模型。

處理我們下載的圖片

加載模型

將圖片輸入模型進行檢驗

代碼如下：

#coding=utf-8

import tensorflow as tf

from PIL import Image

import matplotlib.pyplot as plt

import input_data

import numpy as np

import model

import os

#從指定目錄中選取一張圖片

def get_one_image(train):

files = os.listdir(train)

n = len(files)

ind = np.random.randint(0,n)

img_dir = os.path.join(train,files[ind])

image = Image.open(img_dir)

plt.imshow(image)

plt.show()

image = image.resize([208, 208])

image = np.array(image)

return image

def evaluate_one_image():

#存放的是我從百度下載的貓狗圖片路徑

train = '/Users/yangyibo/GitWork/pythonLean/AI/貓狗識別/testImg/'

image_array = get_one_image(train)

with tf.Graph().as_default():

BATCH_SIZE = 1 # 因為只讀取一副圖片 所以batch 設置為1

N_CLASSES = 2 # 2個輸出神經元，［1，0］ 或者 ［0，1］貓和狗的概率

# 轉化圖片格式

image = tf.cast(image_array, tf.float32)

# 圖片標準化

image = tf.image.per_image_standardization(image)

# 圖片原來是三維的 [208, 208, 3] 重新定義圖片形狀 改為一個4D 四維的 tensor

image = tf.reshape(image, [1, 208, 208, 3])

logit = model.inference(image, BATCH_SIZE, N_CLASSES)

# 因為 inference 的返回沒有用激活函數，所以在這里對結果用softmax 激活

logit = tf.nn.softmax(logit)

# 用最原始的輸入數據的方式向模型輸入數據 placeholder

x = tf.placeholder(tf.float32, shape=[208, 208, 3])

# 我門存放模型的路徑

logs_train_dir = '/Users/yangyibo/GitWork/pythonLean/AI/貓狗識別/saveNet/'

# 定義saver

saver = tf.train.Saver()

with tf.Session() as sess:

print("從指定的路徑中加載模型。。。。")

# 將模型加載到sess 中

ckpt = tf.train.get_checkpoint_state(logs_train_dir)

if ckpt and ckpt.model_checkpoint_path:

global_step = ckpt.model_checkpoint_path.split('/')[-1].split('-')[-1]

saver.restore(sess, ckpt.model_checkpoint_path)

print('模型加載成功, 訓練的步數為 %s' % global_step)

else:

print('模型加載失敗，，，文件沒有找到')

# 將圖片輸入到模型計算

prediction = sess.run(logit, feed_dict={x: image_array})

# 獲取輸出結果中最大概率的索引

max_index = np.argmax(prediction)

if max_index==0:

print('貓的概率 %.6f' %prediction[:, 0])

else:

print('狗的概率 %.6f' %prediction[:, 1])

# 測試

evaluate_one_image()

/Users/yangyibo/GitWork/pythonLean/AI/貓狗識別/testImg/ 存放的是我從百度下載的貓狗圖片

執行結果：

因為從testimg 中選取圖片是隨機的，所以每次執行的結果不同

從指定的路徑中加載模型。。。。

模型加載成功, 訓練的步數為 11999

狗的概率 0.964047

[Finished in 6.8s]

代碼地址：https://github.com/527515025/My-TensorFlow-tutorials/blob/master/貓狗識別/evaluateCatOrDog.py

歡迎star。

總結

以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作具有一定的參考學習價值，謝謝大家對我們的支持。如果你想了解更多相關內容請查看下面相關鏈接

本文標題: TensorFlow卷積神經網絡之使用訓練好的模型識別貓狗圖片

本文地址: http://www.cppcns.com/jiaoben/python/254362.html

總結

以上是生活随笔為你收集整理的python狗图像识别_TensorFlow卷积神经网络之使用训练好的模型识别猫狗图片的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。