利用keras加载训练好的.H5文件,并实现预测图片
我就废话不多说了,直接上代码吧!
importmatplotlib matplotlib.use('Agg') importos fromkeras.modelsimportload_model importnumpyasnp fromPILimportImage importcv2 #加载模型h5文件 model=load_model("C:\\python\\python3_projects\\cat_dog\\cats_dogs_fifty_thousand.h5") model.summary() #规范化图片大小和像素值 defget_inputs(src=[]): pre_x=[] forsinsrc: input=cv2.imread(s) input=cv2.resize(input,(150,150)) input=cv2.cvtColor(input,cv2.COLOR_BGR2RGB) pre_x.append(input)#input一张图片 pre_x=np.array(pre_x)/255.0 returnpre_x #要预测的图片保存在这里 predict_dir='C:\python\python3_projects\cat_dog\pics' #这个路径下有两个文件,分别是cat和dog test=os.listdir(predict_dir) #打印后:['cat','dog'] print(test) #新建一个列表保存预测图片的地址 images=[] #获取每张图片的地址,并保存在列表images中 fortestpathintest: forfninos.listdir(os.path.join(predict_dir,testpath)): iffn.endswith('jpg'): fd=os.path.join(predict_dir,testpath,fn) print(fd) images.append(fd) #调用函数,规范化图片 pre_x=get_inputs(images) #预测 pre_y=model.predict(pre_x) print(pre_y)
以上这篇利用keras加载训练好的.H5文件,并实现预测图片就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持毛票票。
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:czq8825#qq.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。