如何使用 Keras 中保存的模型对单个图像进行预测和分类？答案

【问题标题】：How to use a saved model in Keras to predict and classify a single image?如何使用 Keras 中保存的模型对单个图像进行预测和分类？
【发布时间】：2017-07-12 07:24:45
【问题描述】：

我用 Keras 训练了一个图像分类器，最后我用代码保存了模型

model.save('model1.h5')

现在，当我实际尝试使用此模型预测另一张图像时，我正在使用代码

from keras.models import load_model
from keras.preprocessing import image
import numpy as np

# dimensions of our images
img_width, img_height = 231, 172

# load the model we saved
model = load_model('model1.h5')
model.compile(loss='binary_crossentropy',
              optimizer='rmsprop',
              metrics=['accuracy'])

# predicting images
img = image.load_img('a.png', target_size=(img_width, img_height))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)

images = np.vstack([x])
classes = model.predict_classes(images, batch_size=10)
print(classes)

我收到一个错误提示

ValueError: 检查时出错：预期 conv2d_1_input 的形状为 (None, 231, 172, 1)，但得到的数组的形状为 (1, 231, 172, 3)

我使用的图像都是灰度模式，所以我知道我需要将 3 更改为 1，但我不确定如何使用此代码？

另外，当我训练图像时，我设置了

train_datagen = ImageDataGenerator(rescale=1. / 255)
test_datagen = ImageDataGenerator(rescale=1. / 255)

但我不确定我会把代码放在哪里来重新调整它，如果它甚至需要的话

另外，我设置

batch_size = 16

我在代码中看到了预测我放的

classes = model.predict_classes(images, batch_size=10)

我也应该将 batch_size 更改为 16 吗？还是把它留在 10 点？

再次感谢大家！

【问题讨论】：

首先，将图像从 RGB 更改为灰度，您可以使用 opencv 或 skimage，然后将其传递给您的模型

标签： image-processing machine-learning keras

【解决方案1】：

首先，要以灰度模式加载图像，只需像这样添加grayscale=True：

img = image.load_img('a.png', target_size=(img_width, img_height), grayscale=True)

其次，在将 img 转换为 numpy 数组后，您可以通过简单地将 x 除以 255. 来重新调整它。

第三，batch_size 参数告诉计算完成的批次有多大。由于您对单个图像进行预测，因此您定义的 batch_size 并不重要。以下是 Keras documentation 关于 batch_size 的推论：

对于推理（评估/预测），建议在不耗尽内存的情况下选择尽可能大的批次大小（因为较大的批次通常会导致更快的评估/预测）。

最后，当您加载模型进行推理时，无需编译模型。您可以安全地删除model.compile(...)。

【讨论】：

【解决方案2】：

也许错误就在这里。

img = image.load_img('a.png', target_size=(img_width, img_height))

如果您在训练模型中的 target_size 为 (64, 64)。

预测时的目标尺寸应该是 (64, 64) 而不是 (img_width, img_height)

【讨论】：