手書き数字認識モデルの呼び出しと予測

 トレーニング済みのモデル パラメーターを呼び出して、手書きの数字を予測します。

from PIL import Image
import numpy as np
import tensorflow as tf

model_save_path = './checkpoint/mnist.ckpt'
# 复现模型
model = tf.keras.models.Sequential([
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dense(10, activation='softmax')])
# 加载模型权重
model.load_weights(model_save_path)

preNum = int(input("input the number of test pictures:"))

for i in range(preNum):
    image_path = input("the path of test picture:")
    img = Image.open(image_path)
    # 重新定义输入大小，以便和训练的模型输入相同
    img = img.resize((28, 28), Image.ANTIALIAS)
    # 模型转灰度
    img_arr = np.array(img.convert('L'))

    # *********************图片预处理
    img_arr = 255 - img_arr


    """
    for i in range(28):
        for j in range(28):
            if img_arr[i][j] < 200:
                img_arr[i][j] = 255
            else:
                img_arr[i][j] = 0
    """
    # *********************图片预处理
    # 归一化
    img_arr = img_arr / 255.0
    print("img_arr:", img_arr.shape)
    # 升维度
    # 为什么要升维度：由于predict是按照batch作为输入的，在这里batch是1，即我们输入的那张图片，所以应该要升维度1，且该维度在最前面
    x_predict = img_arr[tf.newaxis, ...]
    print("x_predict:", x_predict.shape)
    result = model.predict(x_predict)

    pred = tf.argmax(result, axis=1)

    print('\n')
    tf.print(pred)

コード内のいくつかのメモ:

        画像はトレーニング済みのモデルをロードします。入力の形状を設定し、グレースケールに変換する必要があります。

# 訓練されたモデル入力と同じになるように入力サイズを再定義し、ANTIALIAS、つまりアンチエイリアシングを設定します

         予測するときは、次の次元を増やす必要があります。

 ＃次元を増やす理由：予測はバッチに従って入力されるため、ここではバッチが1、つまり入力した画像であるため、次元を1増やす必要があり、この次元が先頭にあります