这篇教程keras中对多张输入图片进行预测并返回预测结果写得很实用,希望能帮到您。 keras中对多张输入图片进行预测并返回预测结果
前面讨论过单张图片的输入和和预测,下面讨论一下多张图片同时输入模型的方法。
对于多张图片的输入,将多张图片读入到一个列表中,然后concatenate起来,concatenate的作用是把shape为(0,224,224,3)的每张图片tensor,打包成shape为(batch,224,224,3)的tensor,实现批量的预测或者批量训练了。
代码如下:
import numpy as np from keras.applications.imagenet_utils import decode_predictions from keras.preprocessing import image from keras.applications import * import glob import os # 忽略硬件加速的警告信息 os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' file_path = 'Data/' f_names = glob.glob(file_path + '*.jpg') img = [] # 把图片读取出来放到列表中 for i in range(len(f_names)): images = image.load_img(f_names[i], target_size=(224, 224)) x = image.img_to_array(images) x = np.expand_dims(x, axis=0) img.append(x) print('loading no.%s image' % i) # 把图片数组联合在一起 x = np.concatenate([x for x in img]) model = ResNet50(weights='imagenet') y = model.predict(x) print('Predicted:', decode_predictions(y, top=3))
注意:
decode_predictions返回的是一个预测的列表值。
github地址,欢迎关注!!! ————————————————
原文链接:https://blog.csdn.net/u012193416/article/details/79376345 keras笔记(3)-猫狗数据集上的训练以及单张图片多张图片的测试 keras中对单一输入图像进行预测并返回预测结果 |