如何使用 Keras 在 Python 中测试工作的 ConvNet答案

【问题标题】：How to test a working ConvNet in Python using Keras如何使用 Keras 在 Python 中测试工作的 ConvNet
【发布时间】：2018-01-20 01:29:59
【问题描述】：

我按照示例进行操作，一切似乎都是正确的，但现在我想测试我自己的数据，我的意思是我想测试我自己的图像，例如 model.predict(mycat.jpg) 并得到适当的答案

我红色的帖子没有这些信息，不知何故，我得到的每本书都提供了 DL 和 CNN 的示例，也忘记告诉如何在训练后使用网络检查我们自己的数据。

【问题讨论】：

【解决方案1】：

假设您刚刚完成拟合数据并想查看 cat.jpg 是否返回 cat 的高概率，下面是一些示例代码。

img = Image.open(path_to_cat)
img = np.expand_dims(np.array(img), 0)
img.reshape([1, height,width,channels])
prob = model.predict(img)

expand_dims 是为了让我们有一个批处理索引。您可能还想将图像重塑为输入的形状。在你的情况下，我相信它是 [1, 3, 150, 150]。您还可以预测批量图像。

编辑：如果测试图像与训练图像的尺寸不同（150x150），将其放在 image.open 之后会有所帮助

img = img.resize(np.divide(img.size,(scaling_amount).astype('int32')); img

这是统一缩放，如果不能将图像精确地缩小到 150x150，请在 img.reshape 之后使用它

img = img[:,:150,:150]

这样做是将高度和宽度裁剪为 150。检查 img.reshape 并确保其尺寸与训练输入尺寸匹配。

【讨论】：

非常感谢您的回答，滥用您的好意，有什么教程或书籍您想推荐了解更多吗？
你的回答实际上给了我这个错误 ValueError: cannot reshape array of size 47616768 into shape (0,150,150,3)
哦，这很可能是因为您的图片不是 150x150。 Reshape 命令无法调整图像大小，它只会重新排列现有形状。
Francois Chollet 的书很棒。 Fastai在线课程也很不错。您想要的尺寸是 3 个通道、150 高、150 宽和 1 个图像。
感谢您的信息和回答，Fastai 课程看起来很棒，我会做的。至于你的答案，img = img[:,:150,:150] 效果很好，只有一个 qesuint，我怎么知道 0 是猫，1 是狗？