前言:
知道怎麽使用 Firebase 的资料後
可以开始把辨识的程序码衔接上去
辨识程序码:
import time
import sys
import numpy as np
from firebase import firebase
from tensorflow.python.keras import backend as K
from tensorflow.python.keras.models import load_model
from tensorflow.python.keras.preprocessing import image
key = "XXXXXXXXXXXXXXXXXXXXXXXXX"
authentication = firebase.FirebaseAuthentication(key, '[email protected]')
firebase.authentication = authentication
user = authentication.get_user()
firebase = firebase.FirebaseApplication('https://XXXXXXXXXXXXXXXX.firebaseio.com/', authentication=authentication)
resultAcc = firebase.get('/dogAcc', '')
print(resultAcc)
resultName = firebase.get('/dogName', '')
print(resultName)
# 从参数读取图档路径
files = ["dog.jpg"]
print(files)
print("=============================")
# 载入训练好的模型
net = load_model('model-resnet50-final-11.h5')
cls_list = [...]
while True:
time.sleep(4)
# 辨识每一张图
if firebase.get('/DetectBool', 'Bool') == "False":
print("前端侦测开启,开始辨识...")
time.sleep(8)
for f in files:
img = image.load_img(f, target_size=(300, 300))
if img is None:
continue
x = image.img_to_array(img)
x = np.expand_dims(x, axis = 0)
pred = net.predict(x)[0]
top_inds = pred.argsort()[::-1][:1]
print(f)
for i in top_inds:
print('准确率: {:.2%} {}'.format(pred[i], cls_list[i]))
firebase.put('/dogAcc','Acc' , '{:.2%}'.format(pred[i]))
firebase.put('/dogName','Name' , '{}'.format(cls_list[i]))
firebase.put('/DetectBool', 'Bool', 'True')
#firebase.delete("/dogDetail",'AC')
else:
print("前端侦测关闭中...")
<<: [Day_13]选择性结构- 单向选择结构、双向选择结构
>>: 新新新手阅读 Angular 文件 - Router - pathMatch(1) - Day27
今天我们来练习制作一个可互动的 Spotify Sign-in 低精度原型吧! 首先,用昨天教学的...
看完这篇文章你会得到的成果图 因为 PyQt5 要学的东西太多, 我们先来学打包 python 好了...
提醒,select仍是实验中的api,请斟酌使用 在这之前的26天,我们所用的都是我要做什麽事,就是...
RDS除了SQL Server之外, AWS也提供其他厂商的关联式资料库. 这次实作Amazon A...
大家好! 发送请求时,各位有没有多写好几行程序码的经验呢? 今天就是要简化如此复杂的动作。 我们进入...