【tensorflow】神经网络：给图识物

实现前向传播，给物识图仅需三步：

复现模型

加载参数

预测结果

# 复现模型
mode = tf.keras.models.Sequential([
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(128, activation="relu"),
    tf.keras.layers.Dense(10, activation="sotfmax")
])

# 加载参数
model.load_weight(checkpoint_save_path)

# 预测结果
result = model.predict(x_predict)

代码：

from PIL import Image
import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt

# 复现模型
model = tf.keras.models.Sequential([
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(128, activation="relu"),
    tf.keras.layers.Dense(10, activation="softmax")
])

# 加载参数
checkpoint_save_path = "class4/MNIST_FC/checkpoint/mnist.ckpt"
model.load_weights(checkpoint_save_path)

# 做10次预测
for i in range(10):
    # 根据用户输入,读取图片
    image_path = "class4/MNIST_FC/" + input("the path of test picture:")
    img = Image.open(image_path)

    # 显示图片
    image = plt.imread(image_path)
    plt.set_cmap("gray")  # 转化为灰度图
    plt.imshow(image)

    # 将图片转化为训练所需格式
    img = img.resize((28, 28), Image.ANTIALIAS)
    img_arr = np.array(img.convert("L"))
    img_arr = 255 - img_arr

    # 归一化,减小计算量
    img_arr = img_arr/255.0

    # 由于训练数据是以batch为单位喂入神经网络训练的
    # 所以是三维数据(batch, 28, 28)
    # 需要给待预测图片添加维度
    x_predict = img_arr[tf.newaxis, ...]

    # 预测结果
    result = model.predict(x_predict)

    # 寻找概率最大的预测结果
    pred = tf.argmax(result, axis=1)

    tf.print(pred)

    plt.pause(1)
    plt.close()