利用keras加载训练好的.H5文件,并实现预测图片

大富大贵7

于 2024-03-16 15:35:21 发布

阅读量339

点赞数

分类专栏：程序员知识储备1 程序员知识储备2 程序员知识储备3 文章标签：经验分享

本文链接：https://blog.youkuaiyun.com/Sapphire521/article/details/136763710

版权

程序员知识储备1 同时被 3 个专栏收录

915 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

程序员知识储备2

914 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

程序员知识储备3

914 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍如何利用keras库加载预先训练好的.H5模型，并对指定目录下的图片进行预测。通过预处理图片，将其尺寸调整并转换为RGB格式，然后将图片数据归一化。最后，对目录中的猫狗图片进行预测并输出预测结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import matplotlib
matplotlib.use('Agg')
import os
from keras.models import load_model
import numpy as np
from PIL import Image
import cv2
#加载模型h5文件
model = load_model("C:\\python\\python3_projects\\cat_dog\\cats_dogs_fifty_thousand.h5")
model.summary()
#规范化图片大小和像素值
def get_inputs(src=[]):
  pre_x = []
  for s in src:
    input = cv2.imread(s)
    input = cv2.resize(input, (150, 150))
    input = cv2.cvtColor(input, cv2.COLOR_BGR2RGB)
    pre_x.append(input) # input一张图片
  pre_x = np.array(pre_x) / 255.0
  return pre_x
#要预测的图片保存在这里
predict_dir = 'C:\python\python3_projects\cat_dog\pics'
#这个路径下有两个文件，分别是cat和dog
test = os.listdir(predict_dir)
#打印后：['cat', 'dog']
print(test)
#新建一个列表保存预测图片的地址
images