mnist给图识物（3）

最新推荐文章于 2024-03-15 16:30:10 发布

原创最新推荐文章于 2024-03-15 16:30:10 发布 · 177 阅读

0 ·

CC 4.0 BY-SA版权

tf2.0 专栏收录该内容

10 篇文章

订阅专栏

本文介绍如何在TensorFlow2.0中加载预训练模型，并使用该模型进行手写数字图片的识别。通过输入图片路径，模型能够预测并输出数字识别结果。涉及的内容包括模型结构定义、权重加载、图片预处理和预测流程。

来源：北京大学Tensorflow2.0(B站搜)
直接加载保存的模型，见上一篇博客：TF2.0断点读序（2）

from PIL import Image
import numpy as np
import tensorflow as tf

model_save_path = 'E:/path/tf2.0_data/tf_board/save_one/mnist.ckpt'

model = tf.keras.models.Sequential([
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dense(10, activation='softmax')])

model.load_weights(model_save_path)

preNum = int(input("input the number of test pictures:"))

for i in range(preNum):
    image_path = input("the path of test picture:")
    img = Image.open(image_path)
    img = img.resize((28, 28), Image.ANTIALIAS)
    img_arr = np.array(img.convert('L'))

    for i in range(28):
        for j in range(28):
            if img_arr[i][j] < 200:
                img_arr[i][j] = 255
            else:
                img_arr[i][j] = 0

    img_arr = img_arr / 255.0
    x_predict = img_arr[tf.newaxis, ...]
    result = model.predict(x_predict)

    pred = tf.argmax(result, axis=1)

    print('\n')
    tf.print(pred)