福建省住房和城乡建设厅网站首页,网络营销的理解,h5小游戏在线玩,贵金属网站源码目录 1. 说明2. 宝可梦模型的CNN模型测试2.1 导入相关库2.2 加载模型2.3 设置保存图片的路径2.4 加载图片2.5 数据处理和归一化2.6 对图片进行预测2.7 显示图片 3. 完整代码和显示结果4. 多张图片进行测试的完整代码以及结果 1. 说明
本篇文章是对上篇文章宝可梦模型训练的模型… 目录 1. 说明2. 宝可梦模型的CNN模型测试2.1 导入相关库2.2 加载模型2.3 设置保存图片的路径2.4 加载图片2.5 数据处理和归一化2.6 对图片进行预测2.7 显示图片 3. 完整代码和显示结果4. 多张图片进行测试的完整代码以及结果 1. 说明
本篇文章是对上篇文章宝可梦模型训练的模型进行测试。首先是将训练好的模型进行重新加载然后采用opencv对图片进行加载最后将加载好的图片输送给模型并且显示结果。
2. 宝可梦模型的CNN模型测试
2.1 导入相关库
在这里导入需要的第三方库如cv2如果没有则需要自行下载自行下载时候一般建议镜像源这样下载的快。
import tensorflow as tf
from PIL import ImageFont, Image, ImageDraw
from tensorflow import keras
import cv2, os, sys
import numpy as np
label [妙蛙种子, 小火龙, 超梦, 皮卡丘, 杰尼龟]2.2 加载模型
把训练好的模型也加载进来这里不用加载数据因为数据是自制的。
network keras.models.load_model(my_bkm.h5)
network.summary()2.3 设置保存图片的路径
将数据集的某个数据以图片的形式进行保存便于测试的可视化这里在之前已经分了测试集因此设置图片路径即可。 在这里设置图片存储的位置便于将图片进行存储。
path os.path.join(sys.path[0], test.png)上述代码是将test文件夹里面的test.png进行测试如果想测试其它的只需改为x.jpg即可。
2.4 加载图片
采用cv2对图片进行加载用opencv库也就是cv2读取图片的时候图片是三通道的而训练的模型是三通道的因此不只用取单通道而是三通道这里和之前的灰度图不同。
image cv2.imread(path)
img image.copy()
img cv2.resize(img, (96, 96))
img cv2.cvtColor(img, cv2.COLOR_BGR2RGB)2.5 数据处理和归一化
将输入网络的图片进行数据处理转换到0-1之间然后进行归一化处理。 归一化后加快了梯度下降求最优解的速度也即加快训练网络的收敛性。
def normalize(x):img_mean tf.constant([0.485, 0.456, 0.406])img_std tf.constant([0.229, 0.224, 0.225])x (x - img_mean) / img_stdreturn xdef preprocess(x):x tf.expand_dims(x, axis0)x tf.cast(x, dtypetf.float32) / 255.# x normalize(x)return x2.6 对图片进行预测
将图片输入给训练好我的模型并且进行预测。 因为是五分类所以预测的结果是5个概率值所以需要进行处理np.argmax()是得到概率值最大值的序号也就是预测的数字。
result network(img)
result tf.nn.softmax(result)
print(result)
index tf.argmax(result, axis-1)
print(label[int(index)])2.7 显示图片
对预测的图片进行显示把预测的数字显示在图片上。 下面5行代码分别是创建窗口设定窗口大小显示图片停留图片清除内存。
cv2.namedWindow(img, 0)
cv2.resizeWindow(img, 500, 500) # 自己设定窗口图片的大小
#cv2.putText(image, label[int(index)], (166, 54), cv2.FONT_HERSHEY_SCRIPT_SIMPLEX, 1.2, (255, 0, 0), 2)
cv2.imshow(img, image)
cv2.waitKey()
cv2.destroyAllWindows()3. 完整代码和显示结果
以下是完整的代码和图片显示结果。
import tensorflow as tf
from PIL import ImageFont, Image, ImageDraw
from tensorflow import keras
import cv2, os, sys
import numpy as np
label [妙蛙种子, 小火龙, 超梦, 皮卡丘, 杰尼龟]network keras.models.load_model(my_bkm.h5)
network.summary()
path os.path.join(sys.path[0], test.png)
image cv2.imread(path)
img image.copy()
img cv2.resize(img, (96, 96))
img cv2.cvtColor(img, cv2.COLOR_BGR2RGB)def show_chinese(img,text,pos):img_pil Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))font ImageFont.truetype(fontmsyh.ttc, size36)draw ImageDraw.Draw(img_pil)draw.text(pos, text, fontfont, fill(255, 0, 0)) # PIL中RGB(255,0,0)表示红色img_cv np.array(img_pil) # PIL图片转换为numpyimg cv2.cvtColor(img_cv, cv2.COLOR_RGB2BGR) # PIL格式转换为OpenCV的BGR格式return imgdef normalize(x):img_mean tf.constant([0.485, 0.456, 0.406])img_std tf.constant([0.229, 0.224, 0.225])x (x - img_mean) / img_stdreturn xdef preprocess(x):x tf.expand_dims(x, axis0)x tf.cast(x, dtypetf.float32) / 255.# x normalize(x)return ximg preprocess(img)# img tf.cast(img, dtypetf.uint8)result network(img)
result tf.nn.softmax(result)
print(result)
index tf.argmax(result, axis-1)
print(label[int(index)])# # 显示
image show_chinese(image, label[int(index)], (356, 54))
cv2.namedWindow(img, 0)
cv2.resizeWindow(img, 500, 500) # 自己设定窗口图片的大小
#cv2.putText(image, label[int(index)], (166, 54), cv2.FONT_HERSHEY_SCRIPT_SIMPLEX, 1.2, (255, 0, 0), 2)
cv2.imshow(img, image)
cv2.waitKey()
cv2.destroyAllWindows()
tf.Tensor([[1.1600139e-09 2.5695030e-05 8.4645586e-15 9.9997413e-01 6.6168944e-08]], shape(1, 5), dtypefloat32)
皮卡丘4. 多张图片进行测试的完整代码以及结果
为了测试更多的图片引入循环进行多次测试效果更好。
import tensorflow as tf
from PIL import ImageFont, Image, ImageDraw
from tensorflow import keras
import cv2, os, sys
import numpy as np
label [妙蛙种子, 小火龙, 超梦, 皮卡丘, 杰尼龟]
def show_chinese(img,text,pos):img_pil Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))font ImageFont.truetype(fontmsyh.ttc, size36)draw ImageDraw.Draw(img_pil)draw.text(pos, text, fontfont, fill(255, 0, 0)) # PIL中RGB(255,0,0)表示红色img_cv np.array(img_pil) # PIL图片转换为numpyimg cv2.cvtColor(img_cv, cv2.COLOR_RGB2BGR) # PIL格式转换为OpenCV的BGR格式return imgdef normalize(x):img_mean tf.constant([0.485, 0.456, 0.406])img_std tf.constant([0.229, 0.224, 0.225])x (x - img_mean) / img_stdreturn xdef preprocess(x):x tf.expand_dims(x, axis0)x tf.cast(x, dtypetf.float32) / 255.# x normalize(x)return xnetwork keras.models.load_model(my_bkm.h5)
network.summary()
prepicture int(input(input the number of test picture :))
for i in range(prepicture):path1 input(input the test picture path:)path os.path.join(sys.path[0], path1)image cv2.imread(path)img image.copy()img cv2.resize(img, (96, 96))img cv2.cvtColor(img, cv2.COLOR_BGR2RGB)img preprocess(img)# img tf.cast(img, dtypetf.uint8)result network(img)result tf.nn.softmax(result)print(result)index tf.argmax(result, axis-1)print(label[int(index)])# # 显示image show_chinese(image, label[int(index)], (356, 54))cv2.namedWindow(img, 0)cv2.resizeWindow(img, 500, 500) # 自己设定窗口图片的大小#cv2.putText(image, label[int(index)], (166, 54), cv2.FONT_HERSHEY_SCRIPT_SIMPLEX, 1.2, (255, 0, 0), 2)cv2.imshow(img, image)cv2.waitKey()cv2.destroyAllWindows()input the number of test picture :2
input the test picture path:1.png
tf.Tensor([[9.9998260e-01 1.2735860e-07 4.3719947e-06 3.5391193e-07 1.2507204e-05]], shape(1, 5), dtypefloat32)
妙蛙种子input the test picture path:4.png
tf.Tensor([[1.6705857e-11 9.9999821e-01 2.3859246e-12 1.7547414e-06 3.2666370e-09]], shape(1, 5), dtypefloat32)
小火龙
