TensorFlow卷积神经网络之使用训练好的模型识别猫狗图片

本文是Python通过TensorFlow卷积神经网络实现猫狗识别的姊妹篇，是加载上一篇训练好的模型，进行猫狗识别

本文逻辑：

1. 我从网上下载了十几张猫和狗的图片，用于检验我们训练好的模型。

2. 处理我们下载的图片

3. 加载模型

4. 将图片输入模型进行检验

代码如下：

#coding=utf-8
import tensorflow as tf
from PIL import Image
import matplotlib.pyplot as plt
import input_data
import numpy as np
import model
import os
#从指定目录中选取一张图片
def get_one_image(train):
 files = os.listdir(train)
 n = len(files)
 ind = np.random.randint(0,n)
 img_dir = os.path.join(train,files[ind])
 image = Image.open(img_dir)
 plt.imshow(image)
 plt.show()
 image = image.resize([208, 208])
 image = np.array(image)
 return image
def evaluate_one_image():
#存放的是我从百度下载的猫狗图片路径
 train = '/Users/yangyibo/GitWork/pythonLean/AI/猫狗识别/testImg/'
 image_array = get_one_image(train)
 with tf.Graph().as_default():
   BATCH_SIZE = 1 # 因为只读取一副图片 所以batch 设置为1
   N_CLASSES = 2 # 2个输出神经元，［1，0］ 或者 ［0，1］猫和狗的概率
   # 转化图片格式
   image = tf.cast(image_array, tf.float32)
   # 图片标准化
   image = tf.image.per_image_standardization(image)
   # 图片原来是三维的 [208, 208, 3] 重新定义图片形状 改为一个4D 四维的 tensor
   image = tf.reshape(image, [1, 208, 208, 3])
   logit = model.inference(image, BATCH_SIZE, N_CLASSES)
   # 因为 inference 的返回没有用激活函数，所以在这里对结果用softmax 激活
   logit = tf.nn.softmax(logit)
   # 用最原始的输入数据的方式向模型输入数据 placeholder
   x = tf.placeholder(tf.float32, shape=[208, 208, 3])
   # 我门存放模型的路径
   logs_train_dir = '/Users/yangyibo/GitWork/pythonLean/AI/猫狗识别/saveNet/'  
   # 定义saver
   saver = tf.train.Saver()
   with tf.Session() as sess:
     print("从指定的路径中加载模型。。。。")
     # 将模型加载到sess 中
     ckpt = tf.train.get_checkpoint_state(logs_train_dir)
     if ckpt and ckpt.model_checkpoint_path:
       global_step = ckpt.model_checkpoint_path.split('/')[-1].split('-')[-1]
       saver.restore(sess, ckpt.model_checkpoint_path)
       print('模型加载成功, 训练的步数为 ％s' ％ global_step)
     else:
       print('模型加载失败，，，文件没有找到')
     # 将图片输入到模型计算
     prediction = sess.run(logit, feed_dict={x: image_array})
     # 获取输出结果中最大概率的索引
     max_index = np.argmax(prediction)
     if max_index==0:
       print('猫的概率 ％.6f' ％prediction[:, 0])
     else:
       print('狗的概率 ％.6f' ％prediction[:, 1])
# 测试
evaluate_one_image()

/Users/yangyibo/GitWork/pythonLean/AI/猫狗识别/testImg/ 存放的是我从百度下载的猫狗图片

执行结果：

因为从testimg 中选取图片是随机的，所以每次执行的结果不同

从指定的路径中加载模型。。。。
模型加载成功, 训练的步数为 11999
狗的概率 0.964047
[Finished in 6.8s]

代码地址：https://github.com/527515025/My-TensorFlow-tutorials/blob/master/猫狗识别/evaluateCatOrDog.py

欢迎star。

来源：https://blog.csdn.net/u012373815/article/details/79222121