Keras —— 基于Vgg16模型（含全连接层）的图片识别

一、加载并显示图片
img_path = 'elephant.jpg' img = image.load_img(img_path, target_size=(224, 224
)) plt.imshow(img) plt.show()


二、图片预处理
#将图片转成numpy array x = image.img_to_array(img) #扩展维度,因为preprocess_input需要4D的格式
x = np.expand_dims(x, axis=0) #对张量进行预处理 x = preprocess_input(x)
三、加载VGG16模型（包含全连接层）
model = VGG16(include_top=True, weights='imagenet') preds = model.predict(x) #
将结果解码成一个元组列表（类、描述、概率）（批次中每个样本的一个这样的列表） print('Predicted:',
decode_predictions(preds, top=3)[0])
四、预测结果
Predicted: [('n01871265', 'tusker', 0.77154845), ('n02504458',
'African_elephant', 0.15930885), ('n02504013', 'Indian_elephant', 0.06914174)]
由预测结果可知，图片有百分之77的概率是tusker，百分之16的概率是African_elephant，百分之6的概率是Indian_elephant

源码地址：

https://github.com/Zheng-Wenkai/Keras_Demo
<https://github.com/Zheng-Wenkai/Keras_Demo>

• « 上一篇：如何去除网页噪声提取数据（02） —— 汽车之家（字体反爬）
• » 下一篇：HBase初识、CentOS6.6中HBase安装与HBase Shell简单使用