萧县住房和城乡建设局网站,文学网站模板下载,房地产微网站模板,沈阳网站建设服务器Hi, I’m Shendi 2、用模型预测测试数据 在之前已经训练好了一个模型#xff0c;可以通过 model.save(path) 来保存模型到硬盘#xff0c;下次直接使用。 这个模型使用的 mnist 数据集训练#xff0c;这个数据集包含6万训练样本和一万测试样本#xff0c;28*28…
Hi, I’m Shendi 2、用模型预测测试数据 在之前已经训练好了一个模型可以通过 model.save(path) 来保存模型到硬盘下次直接使用。 这个模型使用的 mnist 数据集训练这个数据集包含6万训练样本和一万测试样本28*28像素是一个手写数字数据集相当于在学习编程语言的hello,world
接下来就开始使用训练好的模型 使用测试数据测试
最开始我尝试直接用画图工具绘制一个数组让其识别。但识别出来的压根不对也不清楚什么原因所以从最开始的弄起。
既然训练的模型评估的准确度达到90%多那么使用测试数据就没有问题了吧我将测试数据的图片保存依然识别不对。于是直接使用加载的测试数据 最开始当然是加载数据集
# 加载 mnist 数据集
mnist tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) mnist.load_data()通过 tf.keras.models.load_model 加载保存的模型我存储在 my_model 文件夹中
model tf.keras.models.load_model(my_model)# 选择一些测试集样本
selected_samples x_test[:5]
true_labels y_test[:5]其中x_test是样本数据y_test样本的正确标签
通过 predict 进行预测在之前训练的模型有十个输出层0-9预测获得的结果就是这个样本对应输出层的可信度最终结果选择可信度最高的那个
predictions model.predict(selected_samples)
print(predictions)
# 选取可信度最高的打印
print(tf.argmax(predictions[0]).numpy())因为我使用vscode所以没办法直接show只能保存到本地文件夹查看结果于是使用以下代码
# 保存图像和预测结果到文件
for i in range(len(selected_samples)):plt.imshow(selected_samples[i], cmapgray) # 显示灰度图像plt.title(fPredicted: {tf.argmax(predictions[i]).numpy()}, True: {true_labels[i]})plt.axis(off)plt.savefig(fpredicted_image_{i}.png) # 保存图像plt.close()这个结果是准确的效果如下 其中上面的predicted是预测结果true是正确结果 问题
就如上面所说我将数据集的测试数据的某张图片保存到本地然后加载用模型预测加载的图片是不准确的。
我的代码
import tensorflow as tf
import matplotlib.pyplot as pltfrom PIL import Image
import numpy as np# 加载 mnist 数据集
mnist tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) mnist.load_data()def initModel():model tf.keras.models.Sequential([tf.keras.layers.Flatten(input_shape(28, 28)),tf.keras.layers.Dense(128, activationrelu),tf.keras.layers.Dropout(0.2),tf.keras.layers.Dense(10)])predictions model(x_train[:1]).numpy()tf.nn.softmax(predictions).numpy()loss_fn tf.keras.losses.SparseCategoricalCrossentropy(from_logitsTrue)loss_fn(y_train[:1], predictions).numpy()model.compile(optimizeradam,lossloss_fn,metrics[accuracy])model.fit(x_train, y_train, epochs5)r model.evaluate(x_test, y_test, verbose2)print(r)model.save(my_model);# probability_model tf.keras.Sequential([# model,# tf.keras.layers.Softmax()# ])# probability_model(x_test[:5])
# initModel();def test():model tf.keras.models.load_model(my_model)# 选择一些测试集样本selected_samples x_test[:5]true_labels y_test[:5]# 使用模型对样本进行预测predictions model.predict(selected_samples)print(predictions)print(tf.argmax(predictions[0]).numpy())# 保存图像和预测结果到文件for i in range(len(selected_samples)):plt.imshow(selected_samples[i], cmapgray) # 显示灰度图像plt.title(fPredicted: {tf.argmax(predictions[i]).numpy()}, True: {true_labels[i]})plt.axis(off)plt.savefig(fpredicted_image_{i}.png) # 保存图像plt.close()
# test();def test2():model tf.keras.models.load_model(my_model)# 准备图像img_path test_img.png # 替换为你的图像文件路径image Image.open(img_path)image image.convert(L) # 转换为灰度图像image image.resize((28, 28)) # 调整图像大小image np.array(image) # 转换为 numpy 数组# 归一化处理如果在训练模型时有进行归一化image image.astype(float32) / 255plt.imshow(image, cmapgray) # 显示灰度图像plt.axis(off)plt.savefig(fmy.png) # 保存图像plt.close()# 对图像进行预测prediction model.predict(np.expand_dims(image, axis0))print(prediction)print(np.argmax(prediction, axis1))
test2()def saveImg(index):img Image.fromarray(x_test[index])img.save(test_img.png)
saveImg(0)我直接使用画图工具绘制数字加载这个图片预测也是不准确的。对于这个已经花了大把的时间搜索但资料都特别少于是准备跳过了毕竟刚开始一切都是未知。不应在一些非目标的事情浪费大把时间。 END
