使用Keras預訓練好的模型進行目標類別預測詳解
前言
最近開始學習深度學習相關(guān)的內(nèi)容,各種書籍、教程下來到目前也有了一些基本的理解。參考Keras的官方文檔自己做一個使用application的小例子,能夠?qū)D片進行識別,并給出可能性最大的分類。
閑言少敘,開始寫代碼
環(huán)境搭建相關(guān)就此省去,網(wǎng)上非常多。我覺得沒啥難度
from keras.applications.resnet50 import ResNet50 from keras.preprocessing import image from keras.applications.resnet50 import preprocess_input, decode_predictions import numpy as np
導入權(quán)重,首次會從網(wǎng)絡進行下載,不過速度還是挺快的,使用ImageNet的數(shù)據(jù)集
model = ResNet50(weights='imagenet')
定義一個函數(shù)讀取圖片文件并處理。這里需要安裝PLI的庫。 pip install Pillow ,不然會報錯
def load_image(img_path): img = image.load_img(img_path, target_size=(224, 224)) x = image.img_to_array(img) x = np.expand_dims(x, axis=0) x = preprocess_input(x) return x
加載一個圖片文件,默認在當前路徑尋找
x=load_image('zebra.jpg')
哈哈,開始預測了!激動人心啊
preds = model.predict(x)
執(zhí)行速度很快,現(xiàn)在看看結(jié)果
print('Predicted:', decode_predictions(preds, top=3)[0])
Predicted: [(‘n02391049', ‘zebra', 0.99566585), (‘n02423022', ‘gazelle', 0.0010297714), (‘n01518878', ‘ostrich', 0.00067320856)]
準確率還是不錯,后續(xù)還測試了一些飛機之類的圖片,總體來講馬馬虎虎!
是不是非常簡單,確實很簡單!
補充知識:模型訓練loss先迅速下降后一直上升
loss函數(shù)走勢如下:
檢查代碼沒什么問題,分析應該是陷入了局部最優(yōu),把學習率調(diào)低一點就好了,從0.01調(diào)到了0.001
以上這篇使用Keras預訓練好的模型進行目標類別預測詳解就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關(guān)文章
解決python執(zhí)行不輸出系統(tǒng)命令彈框的問題
今天小編就為大家分享一篇解決python執(zhí)行不輸出系統(tǒng)命令彈框的問題,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-06-06pip/anaconda修改鏡像源,加快python模塊安裝速度的操作
這篇文章主要介紹了pip/anaconda修改鏡像源,加快python模塊安裝速度的操作,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2021-03-03找Python安裝目錄,設置環(huán)境路徑以及在命令行運行python腳本實例
這篇文章主要介紹了找Python安裝目錄,設置環(huán)境路徑以及在命令行運行python腳本實例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-03-03詳解NumPy中的線性關(guān)系與數(shù)據(jù)修剪壓縮
本文將通過股票均線計算的案例來為大家講解一下NumPy中的線性關(guān)系以及數(shù)據(jù)修剪壓縮的實現(xiàn),文中的示例代碼講解詳細,感興趣的可以了解一下2022-05-05Python 隨機生成測試數(shù)據(jù)的模塊:faker基本使用方法詳解
這篇文章主要介紹了Python 隨機生成測試數(shù)據(jù)的模塊:faker基本使用方法,結(jié)合實例形式詳細分析了Python 隨機生成測試數(shù)據(jù)的模塊faker基本功能、原理、使用方法及操作注意事項,需要的朋友可以參考下2020-04-04Python+matplotlib+numpy實現(xiàn)在不同平面的二維條形圖
這篇文章主要介紹了Python+matplotlib+numpy實現(xiàn)在不同平面的二維條形圖,具有一定借鑒價值,需要的朋友可以參考下2018-01-01