TensorFlow：对图像进行分类答案

【问题标题】：TensorFlow: classify imageTensorFlow：对图像进行分类
【发布时间】：2020-02-09 08:30:25
【问题描述】：

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。

我正在寻找一种方法来传递图像（最好只是它的路径）并返回某种分类结果。像这样的：

result = model.evaluate('path/to/image.jpg')
# result == {'cat': 0.92, 'dog': 0.08}

如何实现？另外，模型保存在哪里，训练完成后如何访问？

【问题讨论】：

标签： python tensorflow classification tensorflow-datasets tensorflow2.0

【解决方案1】：

对于打印出图像为 X% 猫、%Y 狗、this 的百分比概率结果的特定情况，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，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：

至于访问您的模型并保存它，以下tensorflow tutorial 可能有用。

希望有帮助！

【讨论】：