如何在张量流中使用预训练模型进行预测？

Question

我是 TensorFlow 新手。我正在尝试从 github-https://github.com/Curt-Park/handwritten_digit_recognition 运行一个预训练的 NN 用于数字识别“wide_resnet_28_10”。当我尝试预测图像时，它说预期输入具有 4D。这是我尝试过的-

from tensorflow.keras.models import load_model
import tensorflow as tf
import cv2
import numpy

model = load_model(r'C:\Users\sesha\Desktop\python\Deep learning NN\handwritten_digit_recognition-master\models\WideResNet28_10.h5')
image = cv2.imread(r'C:\Users\sesha\Desktop\python\Deep learning NN\test_org01.png')
img = tf.convert_to_tensor(image)
predictions = model.predict([img])
print(np.argmax(predictions))

大多数教程都含糊不清，我确实尝试过 np.reshape(1,X,X,-1) 没有用。

Answer 1

对于 4D 输入，它需要批量数据。您可以通过以下方式使其成为 4D 张量：

predictions = model.predict(tf.expand_dims(img, 0))

如果这不起作用，请尝试 predict_on_batch 而不是 predict。

还有： 我不认为你的图像阅读是正确的。它可能会给你一个字节字符串的张量。

这应该可以工作

path = tf.constant(img_path)
image = tf.io.read_file(path)
image = tf.io.decode_image(image)
image = tf.image.resize(image, (X, Y)) # if necessary