TensorFlow：对图像进行分类

Question

我正在关注有关使用 TensorFlow 2.0 进行图像分类的教程：https ://www.tensorflow.org/tutorials/images/classification本教程展示了如何构建和训练模型，但我不明白如何实际使用该模型。我正在寻找的是一种在图像中传递图像（最好只是它的路径）并取回某种分类结果的方法。像这样的东西：result = model.evaluate('path/to/image.jpg')# result == {'cat': 0.92, 'dog': 0.08}如何实施？另外，模型保存在哪里以及训练完成后如何访问它？

Answer 1

对于打印出图像是 X% 猫、%Y 狗的百分比结果的特定情况，这个特定的 tensorflow 教程可能更有用。

在其中，他们确实介绍了如何绘制百分比可能性，以及使用 tensorflow 的大部分基础知识。

训练模型后，您可以使用更多代码以图形方式显示结果，例如教程中的以下代码：

def plot_image(i, predictions_array, true_label, img):

  predictions_array, true_label, img = predictions_array, true_label[i], img[i]

  plt.grid(False)

  plt.xticks([])

  plt.yticks([])

  plt.imshow(img, cmap=plt.cm.binary)

  predicted_label = np.argmax(predictions_array)

  if predicted_label == true_label:

    color = 'blue'

  else:

    color = 'red'

  plt.xlabel("{} {:2.0f}% ({})".format(class_names[predicted_label],

                                100*np.max(predictions_array),

                                class_names[true_label]),

                                color=color)

def plot_value_array(i, predictions_array, true_label):

  predictions_array, true_label = predictions_array, true_label[i]

  plt.grid(False)

  plt.xticks(range(10))

  plt.yticks([])

  thisplot = plt.bar(range(10), predictions_array, color="#777777")

  plt.ylim([0, 1])

  predicted_label = np.argmax(predictions_array)

  thisplot[predicted_label].set_color('red')

  thisplot[true_label].set_color('blue')

然后，使用以下代码，您可以绘制一些关于结果的图： 在此处输入图像描述

至于访问您的模型并保存它，以下tensorflow 教程可能会有用。