如何从保存的Keras模型生成准确性？
如何从保存的Keras模型生成准确性？
提问于 2021-02-01 06:22:53
我已经在.h5中训练了我的Keras模型。我的模型使用6个类，它能够使用图像对所有类进行分类。该模型能够输出它成功分类的类的名称。但是，我希望在使用用户输入的图像测试模型时生成准确性。我已经到处找了，但仍然没有这个问题的答案。
model = load_model('prototype-tl2-80-20.h5')
classes = { 1:'Kacip Fatimah',
2:'Mempisang',
3:'Misai Adam',
4:'Pandan Serapat',
5:'Tapak Sulaiman',
6:'Tongkat Ali'}
image = Image.open(file_path)
image = image.resize((224,224))
image = numpy.expand_dims(image, axis=0)
image = numpy.array(image)
pred = model.predict_classes([image])[0]
sign = classes[pred+1]
print(sign)Stack Overflow用户
发布于 2021-02-01 07:47:14
要使用经过训练的模型预测图像，您必须小心确保图像的处理与训练图像的处理完全相同。图像应该与训练图像具有相同的大小(高度、宽度)，并且具有相同数量的色带，例如'rgb‘或’灰度‘。确保色带的顺序与训练中使用的顺序相同。接下来，您必须对图像应用相同的预处理。例如，如果您的训练图像缩放到0到1之间，那么您需要使用image= image /255重新缩放测试图像。在那之后呢？
pred = model.predict(image)
index=np.argmax(pred)
class=classes[index]
print (index, class)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/65984860
复制相关文章
相似问题
腾讯云开发者
