我有一些基本的 Python 代码来创建一个非常基本的神经网络,用于对 MNIST 数据集中的手绘数字进行分类。
网络正在运行,我想对不属于 MNIST 数据集的手绘图像进行预测。
这是我的代码:
import tensorflow as tf
mnist = tf.keras.datasets.mnist # 28x28 images of handwritten digits (0-9)
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train = tf.keras.utils.normalize(x_train, axis=1)
x_test = tf.keras.utils.normalize(x_test, axis=1)
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Flatten())
model.add(tf.keras.layers.Dense(128, activation=tf.nn.relu))
model.add(tf.keras.layers.Dense(128, activation=tf.nn.relu))
model.add(tf.keras.layers.Dense(10, activation=tf.nn.softmax))
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
model.fit(x_train, y_train, epochs=3)
val_loss, val_acc = model.evaluate(x_test, y_test)
print(val_loss, val_acc)
import matplotlib.pyplot as plt
下面是我可以做出预测的地方。我想更改代码,以便可以根据自己的手绘图像(标记为“test_image.jpg”)进行预测:
predictions = model.predict([x_test])
import numpy as np
print(np.argmax(predictions[0]))
任何想法都会非常有帮助!
最佳答案
由于您的模型是在黑白图像上进行训练的,因此您只有一个 channel ,并且需要将图像转换为灰度:
import numpy as np
import cv2
img = cv2.imread('test_image.jpg')
img = cv2.resize(img, (28,28))
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
img = np.reshape(img, [1,28,28])
predictions = model.predict(img)
print(np.argmax(predictions[0]))
关于python - 如何在 TensorFlow 数字识别中使用自己的手绘图像,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/58615611/