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。