如何用图像测试我的 CNN 模型？

Question

介绍/设置

我是编程新手，我根据教程制作了我的第一个 CNN 模型。 我已经在 C:\Users\labadmin

中设置了我的 jupyter/tensorflow/keras

我的理解是，我只需要输入来自 labadmin 的路径即可实现我的数据进行测试和培训。

由于我不确定是什么导致了错误，我已经粘贴了整个代码和错误，我认为这是关于系统没有获取数据。

数据设置文件夹如下：

labadmin 有一个名为 data 的文件夹，其中有两个文件夹 训练和测试

猫图像和狗图像都在两个文件夹中随机播放。每个文件夹有10000张图片，应该够了：

教程教。 1.如何创建模型 2. 定义你的标签 3. 创建你的训练数据 4. 创建和构建图层 5. 创建您的测试数据 6.（据我了解）我创建的代码的最后一部分是
验证我的模型。

这是代码

    import cv2
    import numpy as np
    import os
    from random import shuffle
    from tqdm import tqdm

    TRAIN_DIR = "data\\training"
    TEST_DIR = "data\\test"
    IMG_SIZE = 50

    LR = 1e-3

    MODEL_NAME = 'dogvscats-{}-{}.model'.format(LR, '2cov-basic1')

    def label_img(img):
        word_label = img.split('.')[-3]
        if word_label == 'cat': return [1,0]
        elif word_label == 'dog': return [0,1]

    def creat_train_data():
        training_data = []
        for img in tqdm(os.listdir(TRAIN_DIR)):
            label = label_img(img)
            path = os.path.join(TRAIN_DIR,img)
            img = cv2.resize(cv2.imread(path, cv2.IMREAD_GRAYSCALE), (IMG_SIZE,IMG_SIZE))
            training_data.append([np.array(img), np.array(label)])
        shuffle(training_data)
        np.save('training.npy', training_data) #save file
        return training_data

    import tflearn
    from tflearn.layers.conv import conv_2d, max_pool_2d
    from tflearn.layers.core import input_data, dropout, fully_connected
    from tflearn.layers.estimator import regression



    # Building convolutional convnet
    convnet = input_data(shape=[None, IMG_SIZE, IMG_SIZE, 1], name='input')
    # http://tflearn.org/layers/conv/
    # http://tflearn.org/activations/
    convnet = conv_2d(convnet, 32, 2, activation='relu')
    convnet = max_pool_2d(convnet, 2)

    convnet = conv_2d(convnet, 64, 2, activation='relu')
    convnet = max_pool_2d(convnet, 2)

    convnet = fully_connected(convnet, 1024, activation='relu')
    convnet = dropout(convnet, 0.8)

    #OUTPUT layer
    convnet = fully_connected(convnet, 2, activation='softmax')
    convnet = regression(convnet, optimizer='adam', learning_rate=LR, loss='categorical_crossentropy', name='targets')

    model = tflearn.DNN(convnet, tensorboard_dir='log')

    def process_test_data():
        testing_data = []
        for img in tqdm(os.listdir(TEST_DIR)):
            path = os.path.join(TEST_DIR,img)
            img_num = img.split ('.')[0]  #ID of pic=img_num
            img = cv2.resize(cv2-imread(path, cv2.IMREAD_GRAYSCALE),  (IMG_SIZE,IMG_SIZE))
            testing_data.append([np.array(img), img_num])

        np.save('test_data.npy', testing_data)
        return testing_data

    train_data = creat_train_data()
    #if you already have train data:
    #train_data = np.load('train_data.npy')
    100%|███████████████████████████████████████████████████████████████████████████| 21756/21756 [02:39<00:00, 136.07it/s]

    if os.path.exists('{}<.meta'.format(MODEL_NAME)):
        model.load(MODEL_NAME)
        print('model loaded!')

    train = train_data[:-500]
    test = train_data[:-500]

    X = np.array([i[0] for i in train]).reshape( -1, IMG_SIZE, IMG_SIZE, 1) #feature set
    Y= [i[1] for i in test] #label

    test_x = np.array([i[0] for i in train]).reshape( -1, IMG_SIZE, IMG_SIZE, 1) 
    test_y= [i[1] for i in test] 

    model.fit({'input': X}, {'targets': Y}, n_epoch=5, validation_set=({'input': test_x}, {'targets': test_y}), 
        snapshot_step=500, show_metric=True, run_id=MODEL_NAME)

    Training Step: 1664  | total loss: 9.55887 | time: 63.467s
    | Adam | epoch: 005 | loss: 9.55887 - acc: 0.5849 -- iter: 21248/21256
    Training Step: 1665  | total loss: 9.71830 | time: 74.722s
    | Adam | epoch: 005 | loss: 9.71830 - acc: 0.5779 | val_loss: 9.81653 - val_acc: 0.5737 -- iter: 21256/21256
    --

三个问题

我试图解决三个问题，但我没有找到解决方案：

第一个出现在：#Building convolutional convnet

    curses is not supported on this machine (please install/reinstall curses for an optimal experience)
    WARNING:tensorflow:From C:\Users\labadmin\Miniconda3\envs\tensorflow\lib\site-packages\tflearn\initializations.py:119: UniformUnitScaling.__init__ (from tensorflow.python.ops.init_ops) is deprecated and will be removed in a future version.
    Instructions for updating:
    Use tf.initializers.variance_scaling instead with distribution=uniform to get equivalent behavior.
    WARNING:tensorflow:From C:\Users\labadmin\Miniconda3\envs\tensorflow\lib\site-packages\tflearn\objectives.py:66: calling reduce_sum (from tensorflow.python.ops.math_ops) with keep_dims is deprecated and will be removed in a future version.
    Instructions for updating:
    keep_dims is deprecated, use keepdims instead

第二个出现在：print('model loaded!')

    if os.path.exists('{}<.meta'.format(MODEL_NAME)):
        model.load(MODEL_NAME)
        print('model loaded!')

代码不打印的地方，是不是说明数据没有加载？

第三个

教程没有介绍如何使用图像测试我的模型。那么，我可以如何以及添加什么到获取模型（也正在保存）的代码中，并从我的文件夹中运行一个图像，给定的输出是分类？

Answer 1

1st：警告信息很清楚，跟着它，警告就会消失。不过不用担心，如果你不这样做，你仍然可以正常运行你的代码。

第二：是的。如果model load!没有打印出来，说明模型没有加载，检查你的模型文件路径。

3rd：要在训练后保存模型，请使用model.save("PATH-TO-SAVE")。然后你可以通过model.load("PATH-TO-MODEL")加载它。

对于预测，请使用model.predict({'input': X})。看这里http://tflearn.org/getting_started/#trainer-evaluator-predictor

第二个问题

1. 要保存和加载模型，请使用

# Save a model
model.save('path-to-folder-you-want-to-save/my_model.tflearn')
# Load a model
model.load('the-folder-where-your-model-located/my_model.tflearn')

请记住，您应该拥有模型文件的扩展名，即.tflearn。

1. 要进行预测，您需要像加载图像进行训练一样加载图像。

test_image = cv2.resize(cv2.imread("path-of-the-image", cv2.IMREAD_GRAYSCALE),  (IMG_SIZE,IMG_SIZE))

test_image = np.array(test_image).reshape( -1, IMG_SIZE, IMG_SIZE, 1)

prediction = model.predict({'input': test_image })