前言:
前面模型也都训练好了,接下来就是辨识的部分
程序码:
方案一遇到一点问题,就暂时不放上来了
方案二
建新的PY档案
from tensorflow.python.keras import backend as K
from tensorflow.python.keras.models import load_model
from tensorflow.python.keras.preprocessing import image
import sys
import numpy as np
# 从参数读取图档路径
files = sys.argv[1:]
print(files)
print("=============================")
# 载入训练好的模型
net = load_model('model-resnet50-final.h5')
cls_list = ["因为太多类别,用字串代替说明"]
# 辨识每一张图
for f in files:
img = image.load_img(f, target_size=(224, 224))
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][:10]
print(f)
for i in top_inds:
print('准确率: {:.2%} {}'.format(pred[i], cls_list[i]))
python 新PY档案.py 路径/档名.jpg
什麽是Web Worker? 它可以做什麽?在了解Web Worker前,可能需要先知道:网页中 J...
写在前面 Google 推出的服务主要分两块 Google Workspace 和 Google C...
制定程序码格式规范对於可读性来说是必须的,如果开发者写程序时都有各自的格式规范,那整个专案的程序码会...
Subscriber 与Publisher 相对应,是观察者模式中的Observer,Publish...
13 - migration notes Database GUI 上个专案跟这个专案刚好 db ...