Deeplearning4j例程（二） 加载本地模型预测未知图像

        项目需要，先train好模型，存至本地。在项目中需要预测用户上传的图像是什么。此过程就应用到了加载本地模型，然后预测用户上传的图像，反馈会结果。

 　　一、将模型存至本地：

        //save model
        File locationToSave = new File("/home/greg/LungCNNModel.zip");
        boolean saveUpdater = true;
        ModelSerializer.writeModel(model, locationToSave, saveUpdater);

第一个参数为要保存的模型，第二个参数为模型保存的地方，第三个参数为模型的一些参数，不是权重与偏置，而是模型更新的动量，RMSProp , Adagrad 。这样就可以将模型保存至本地，格式为zip格式。

　　二、加载本地模型：

        MultiLayerNetwork restored = ModelSerializer.restoreMultiLayerNetwork(locationToSave);
        System.out.println("Saved and loaded parameters are equal:      " + model.params().equals(restored.params()));
        System.out.println("Saved and loaded configurations are equal:  " + 
               model.getLayerWiseConfigurations().equals(restored.getLayerWiseConfigurations()));

从本地把模型加载进来。

比较原始模型与加载进来的模型参数是否一致。

比较原始模型的网络配置是否与加载进来的模型网络配置是否一致。

　　三、预测位置图像的类别

　　１、加载图像

	    File trainData = new File("/home/greg/data/image/");
	    FileSplit train = new FileSplit(trainData, NativeImageLoader.ALLOWED_FORMATS,randNumGen);   

　　２、制作label生成器

	    ParentPathLabelGenerator labelMaker = new ParentPathLabelGenerator();

　　３、读入图像病初始化　recordReader

        ImageRecordReader recordReader = new ImageRecordReader(height,width,channels,labelMaker);
        recordReader.initialize(train);

　　４、制作图像迭代器，包括图像读取器，批处理，label 索引，输出几个类别

        DataSetIterator dataIter = new RecordReaderDataSetIterator(recordReader,batchSize,1,outputNum);

　　５、对图像像素进行归一化

        DataNormalization scaler = new ImagePreProcessingScaler(0,1);
        scaler.fit(dataIter);
        dataIter.setPreProcessor(scaler);

　　６、将图像迭代器格式转为DataSet格式

        DataSet img = dataIter.next();

　　７、预测图像的label

        System.out.println(restored.output(img.getFeatureMatrix() , false));

        false代表测试集，true为训练集　

　　getFeatureMatrix为获得图像的数据，通过restored.output预测得到输出。 　　

结果输出即可。

　　　　

　　另外一个api　，restored.predicted(dataIter)，我本以为这个是预测输出呢，但是这个是输出我标定的label值，也就是我存储图像的文件夹的名字。容易误导人。

　　注意，不要用predict应该用output。