tflite 学习——生成.tflite 模型与验证

最新推荐文章于 2025-10-23 02:20:48 发布

原创

最新推荐文章于 2025-10-23 02:20:48 发布 · 2.5k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#python #tensorflow #tensorflow lite

用Resnet 模型进行验证

Step 1 导入resnet 50模型

import numpy as np
import tensorflow as tf



physical_devices = tf.config.list_physical_devices('GPU')
for device in physical_devices: # 使用GPU 
    tf.config.experimental.set_memory_growth(device, True)

model = tf.keras.applications.resnet50.ResNet50(weights='imagenet') # 导入resnet 模型 
img = tf.keras.utils.load_img('123.jpg', target_size=[224, 224，3])  # 载入图片并给出size 

x = tf.keras.preprocessing.image.img_to_array(img)  # 处理输入图片尺寸 
x = np.expand_dims(x, axis=0)
x = tf.keras.applications.resnet50.preprocess_input(x)


preds = model.predict(x)  # 预测结果 
# 将结果解码为元组列表 (class, description, probability)
# (一个列表代表批次中的一个样本）
print('Predicted:', tf.keras.applications.resnet50.decode_predictions(preds, top=3)[0])