keras 에서 단일 입력 이미 지 를 예측 하고 예측 결 과 를 되 돌려 줍 니 다.
다음은 예비 훈련 된 리 스 넷 을 이용 해 예측 효 과 를 보 여 주 는 개 그림 으로 카 글 경기 에서 나 왔 다.
예측 결과 첫 번 째 는 스코틀랜드 품종 의 개 입 니 다.저도 잘 모 르 겠 습 니 다.
import numpy as np
from keras.applications.imagenet_utils import decode_predictions
from keras.preprocessing import image
from keras.applications import *
import os
#
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
file_path = 'images/0a70f64352edfef4c82c22015f0e3a20.jpg'
img = image.load_img(file_path, target_size=(224, 224))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
model = ResNet50(weights='imagenet')
y = model.predict(x)
# print(np.argmax(y))
print('Predicted:', decode_predictions(y, top=3)[0])1.img 을 입력 하여 numpy 배열 로 전환 하고 shape 는(224,224,3)로 처리 합 니 다.일반적으로 예비 훈련 모델 에 대해 서 는 최소 사이즈 로 최소 사이즈 보다 크 면 됩 니 다.ResNet 에서 사 이 즈 는 최소 197 이상 이면 된다.
2.입력 shape 확장 차원(None,224,224,3)을 바 꾸 려 면 첫 번 째 None 은 batches 입 니 다.모델 은 입력 한 batches 가 얼마 인지 모 르 지만 차원 은 ResNet 의 입력 과 일치 해 야 합 니 다.
3.ResNet 을 사 용 했 지만 자신 이 디자인 한 모델 도 일리 가 있 습 니 다.훈련의 가중치 를 유지 하고 model 모듈 과 예측 모듈 을 나 누 어 씁 니 다.이 럴 때 load 가중치 를 하고 예측 하면 됩 니 다.
keras:fit 어떻게 사용 하 는 지generator 는 여러 종류의 출력 을 훈련 시 킵 니 다.
이 예 는 매우 간단명료 하 다.모델 은 1 개의 입력,2 개의 출력,두 개의 출력의 가 지 는 각각 MSE 를 손실 로 사용한다.
x = Convolution2D(8, 5, 5, subsample=(1, 1))(image_input)
x = Activation('relu')(x)
x = Flatten()(x)
x = Dense(50, W_regularizer=l2(0.0001))(x)
x = Activation('relu')(x)
output1 = Dense(1, activation='linear', name='output1')(x)
output2 = Dense(1, activation='linear', name='output2')(x)
model = Model(input=image_input, output=[output1, output2])
model.compile(optimizer='adam', loss={'output1': 'mean_squared_error', 'output2': 'mean_squared_error'})
batch_generator(x, y, batch_size):
....transform images
....generate batch batch of size: batch_size
yield(X_batch, {'output1': y1, 'output2': y2} ))model.fit_generator(batch_generator(X_train, y_train, batch_size))
원문 제
이상 의 이 편 은 keras 에서 단일 입력 이미 지 를 예측 하고 예측 결 과 를 되 돌려 주 는 작업 이 바로 편집장 이 여러분 에 게 공유 한 모든 내용 입 니 다.여러분 께 참고 가 되 고 저희 도 많이 응원 해 주시 기 바 랍 니 다.
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
keras에서 훈련 데이터를 바탕으로 하는 몇 가지 방식 비교(fit와fit_generator)train_on_batch 함수는 단일 데이터를 받아들여 역방향 전파를 실행한 다음에 모델 파라미터를 업데이트합니다. 이 데이터의 크기는 임의로 할 수 있습니다. 즉, 명확한 대량 크기를 제공할 필요가 없고 정밀화 ...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.
좋은 웹페이지 즐겨찾기
