猫狗大战——基于TensorFlow的猫狗识别（5）

微信公众号：龙跃十二

我是小玉，一个平平无奇的小天才！

悄悄说，github上出了源码详解还有思维导图，答辩PPT，赶快去star！

我的github：https://github.com/ixiaoyu-tech/xiaoyu-project

在前边，我们将训练好的模型存储在指定路径下，这个时候我们的项目也就要接近尾声了，接下来我们需要的就是导入一副图像，做最后的图像测试。

文件名：test.py

代码详解：

def evaluate_one_image():     
image_array=get_one_image_file("./data/test/68.jpg") #测试集路径，自己更改一下

with tf.Graph().as_default():        
    BATCH_SIZE = 1   # 获取一张图片        
    N_CLASSES = 2  #二分类         
    image = tf.cast(image_array, tf.float32)        
    image = tf.image.per_image_standardization(image)        
    image = tf.reshape(image, [1, 208, 208, 3])     #inference输入数据需要是4维数据，需要对image进行resize        
    logit = inference(image, BATCH_SIZE, N_CLASSES)   
    logit = tf.nn.softmax(logit)    #inference的softmax层没有激活函数，这里增加激活函数         
    
    #因为只有一副图，数据量小，所以用placeholder        
    x = tf.placeholder(tf.float32, shape=[208, 208, 3])         
    #         
    # 训练模型路径        
    logs_train_dir = './model/'         
    saver = tf.train.Saver()         
    with tf.Session() as sess:             
        # 从指定路径下载模型            
        print("Reading checkpoints...")            
        ckpt = tf.train.get_checkpoint_state(logs_train_dir)             
        if ckpt and ckpt.model_checkpoint_path:                                
            global_step = ckpt.model_checkpoint_path.split('/')[-1].split('-')[-1]                
            saver.restore(sess, ckpt.model_checkpoint_path)                 
            print('Loading success, global_step is %s' % global_step)            
        else:                
            print('No checkpoint file found')             
        prediction = sess.run(logit, feed_dict={x: image_array})            
        # 得到概率最大的索引            
        max_index = np.argmax(prediction)                  
        if max_index==0:                
            print('This is a cat with possibility %.6f' %prediction[:, 0])            
        else:                
            print('This is a dog with possibility %.6f' %prediction[:, 1])    
def main():
    run_training()
    evaluate_one_image()
 
if __name__ == '__main__':
    main()

运行程序以后我们就可以看到，在加载进来一副图像时，用我们训练好的模型对图像进行识别，就可以得到这副图像是猫还是狗，也可以得到一个预测的概率。

在这个问题中，我们经常为了方便直观的看到数据的变化趋势，可以使用tensorboard进行可视化处理，这里我就不在赘述。

猫狗大战这个经典的分类问题就跟大家分享完了，如果你觉着对你很有帮助，点个赞再走好吗？

我是小玉，一个平平无奇的小天才，等你点赞哦！

最后

以上就是美好帅哥为你收集整理的猫狗大战——基于TensorFlow的猫狗识别（5）的全部内容，希望文章能够帮你解决猫狗大战——基于TensorFlow的猫狗识别（5）所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。