使用 TensorFlow 和 Keras 的图像分类器答案

【问题标题】：Image Classifier with Tensorflow and Keras使用 TensorFlow 和 Keras 的图像分类器
【发布时间】：2019-09-21 02:27:58
【问题描述】：

我正在尝试让图像分类器工作。到目前为止，该模型似乎确实有效，但现在每次我想测试图像以查看它是否被正确识别时，我都必须进行整个训练。我对此很陌生，但我想应该有另一种方法来只测试没有训练的图像吗？

我还有一个关于代码本身的问题。

if result [0][0] >= 0.5:
    prediction = "cogwheel"
else:
    prediction = "not a cogwheel"
print(prediction)

我试图区分代表齿轮的图像和不代表齿轮的图像。我知道如果概率 > 0,5 它是一个齿轮，否则它不是。但是这里的 [0][0] 是什么意思呢？

非常感谢您的帮助！

【问题讨论】：

Keras 允许您保存训练模型的结果并稍后再次加载它们，我建议阅读文档。至于你的第二个问题，这是一个更一般的 Python 问题。你有没有看过result实际上是什么数据类型？
你是怎么得到result的？
我通过使用 result = classifier.predict(sample) 得到结果。 @AdmiralWen 我应该阅读文档是的，我几乎偶然发现了整个主题，几乎没有关于 tensorflow 的先验知识，而且只有一些 python

标签： python tensorflow keras image-recognition

【解决方案1】：

由于您是初学者，您可能不知道实际上不需要重新训练模型即可进行测试：D。您的预感是正确的，我们将在下面看到您如何做到这一点。

您可以将模型的权重保存为特定的文件格式。在 Keras 中，它是一个扩展名为 .hdf5 的文件。

from tensorflow.keras.models import load_model


##Do some stuff, train model

model.save(model_name)

##Do some stuff

loaded_model = load_model(model_name)

请确保“model_name”包含 .hdf5。例如，“my_model.hdf5”。

虽然不清楚你用什么来得到结果（我假设result = model.predict(sample)，其中sample是一个测试样本），第一个索引对应class(label)，第二个label对应到该特定类别的概率。

测试以查看结果[0][0]（第 0 类的概率）、结果[1][0]（第 1 类的概率）。

【讨论】：

所以我可以将保存部分添加到代码的末尾，它应该将其保存为 .hdf5 文件。但是我需要一个新的 .py 来插入 loaded_model = load_model(model_name) 部分吗？说到第二部分，我使用了“result = classifier.predict(sample)”。所以我想我也理解了你所说的，谢谢！
是的，您可以在另一个脚本中添加加载模型部分并在那里进行测试：D
否，当我尝试运行此程序时，我收到错误消息：NameError: name 'model' is not defined。知道为什么会这样吗？
您是否首先声明了您的模型？您的模型的初始名称是什么？
如果我没有看到任何代码，我无法为您提供适当的帮助。