利用keras加载训练好的.H5文件,并实现预测图片

我就废话不多说了,直接上代码吧!

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 = []

#获取每张图片的地址,并保存在列表images中

for testpath in test:

for fn in os.listdir(os.path.join(predict_dir, testpath)):

if fn.endswith('jpg'):

fd = os.path.join(predict_dir, testpath, fn)

print(fd)

images.append(fd)

#调用函数,规范化图片

pre_x = get_inputs(images)

#预测

pre_y = model.predict(pre_x)

print(pre_y)

以上这篇利用keras加载训练好的.H5文件,并实现预测图片就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。

以上是 利用keras加载训练好的.H5文件,并实现预测图片 的全部内容, 来源链接: utcz.com/z/328179.html

回到顶部