时间戳

首页 > 解决方案 > 使用 TensorFlow Hub 进行迁移学习：使用单个测试图像？

tensorflow - 使用 TensorFlow Hub 进行迁移学习：使用单个测试图像？

问题描述

我已经成功地遵循了关于使用迁移学习进行图像分类的官方教程：https ://www.tensorflow.org/tutorials/images/transfer_learning_with_hub

我的实验模型现在已保存，并且应该在看到“好”画作时进行识别。但是，我想用模型以前从未见过的图像对此进行测试。到目前为止，我只使用了数据集已经分为训练和测试文件夹的笔记本。但是，这里不是这种情况。

我想我需要类似的东西

img = tf.keras.preprocessing.image.load_img("/content/mytestimage.jpeg", target_size=(224,224))

除其他事项外; 但是，对于初学者来说，看看这种测试预测的例子会很有用。到目前为止，我已经搜索了没有结果 - 如果有人有任何建议，我很高兴听到！

标签： tensorflowkeras

解决方案

以下是使用 keras 进行 mobilenet 迁移学习的方法，但大部分代码应该相同。可以在此处找到完整的迁移学习教程。我发现它非常有用。

from PIL import Image
from tensorflow.keras.models import load_model

model = load_model('path/to/model.h5')

img = Image.open(file)
array = np.asarray(img, dtype=np.float32)
  arrayexp = np.expand_dims(array, axis=0)
  arrayexp = (arrayexp/127)-1 #This is a normalization factor specifically for Mobilenet but I think it's used for many other networks
result = model.predict(arrayexp)
  print(np.argmax(result)) #Prints class with highest confidence
  print(result[0][np.argmax(result)]) #Prints confidence for the highest

推荐阅读