在Python中使用tensorflow测试训练好的神经网络

，可以通过以下步骤进行：

导入所需的库和模块：import tensorflow as tf import numpy as np
加载训练好的模型：model = tf.keras.models.load_model('path/to/model.h5')这里的path/to/model.h5是训练好的神经网络模型的文件路径。
准备测试数据：test_data = np.array([[...], [...], ...]) # 测试数据，可以是一个或多个样本注意，测试数据的格式需要与训练数据的格式相匹配。
对测试数据进行预处理（可选）：preprocessed_data = preprocess(test_data)根据具体的需求，可以对测试数据进行预处理，如归一化、标准化等操作。
使用训练好的模型进行预测：predictions = model.predict(preprocessed_data)这将返回预测结果，可以是一个或多个预测值。
处理预测结果：processed_predictions = postprocess(predictions)根据具体的需求，可以对预测结果进行后处理，如转换为分类标签、计算置信度等操作。
输出预测结果：print(processed_predictions)将处理后的预测结果输出到控制台或保存到文件中。

总结：

在Python中使用tensorflow测试训练好的神经网络，首先需要加载训练好的模型，然后准备测试数据并进行预处理，接着使用模型进行预测，最后对预测结果进行处理和输出。这样可以方便地利用训练好的神经网络进行各种应用，如图像分类、文本生成等。

推荐的腾讯云相关产品：腾讯云AI智能服务，提供了丰富的人工智能能力和算法模型，可用于构建和部署神经网络模型。具体产品介绍和链接地址请参考腾讯云官方网站。

如何利用tensorflow模型进行预测？

neural-network、tensorflow、predictive-modeling、preprocessing

作为tensorflow的新手，我使用来自谷歌的本教程进行二进制分类，使用一个简单的稠密神经网络。这个(和其他几个)教程有点烦人的地方是，它们完全掩盖了如何从特性的数据中实际进行预测的部分，并直接使用某种经过训练的模型的方法进行模型评估，该方法隐藏了实际的预测过程。所以基本上，我完成了模型的训练，但即使在那之后，我也看不出如何实际使用模型来预测未知样本的类别。具体来说，我有一个训练有素的模型，一个名为test的熊猫数据模型，以及一个与特征名称相对应的列名列表。基于本教程中声明的变量，我尝试 feature_names=['age', 'sex', '

浏览 0提问于2020-05-24得票数 0

回答已采纳

4回答

在用于多类分类的keras中生成混淆矩阵

python、machine-learning、keras、conv-neural-network、confusion-matrix

训练模型的准确率高达98%，但混淆矩阵表现出很高的误识率。我正在使用keras和迁移学习方法在预先训练的VGG16模型上进行多类分类。问题是使用CNN将图像分类为5种类型的番茄病害。有5个疾病类别，6970个训练图像和70个测试图像。训练模型的准确率为98.65%，而测试模型的准确率为94%。但问题是，当我生成混淆矩阵时，它显示出非常高的误分类。谁来帮帮我，是我的代码错了还是模型错了？我很困惑我的模型是否给出了正确的结果。如果有人能解释一下keras是如何使用model.fit_generator函数来计算精度的，因为将精度的一般公式应用于混淆矩阵，并没有给出与keras计算的结

浏览 5提问于2018-12-26得票数 1

1回答

在Tensorflow中使用预先训练好的inception_resnet_v2

python、computer-vision、tensorflow、deep-learning

我一直在尝试使用谷歌发布的预先训练好的inception_resnet_v2模型。我使用他们的模型定义()和给定的检查点()在tensorflow中加载模型，如下所示下载一个解压检查点文件，并下载示例图像dog.jpg和panda.jpg来测试此代码。 import tensorflow as tf slim = tf.contrib.slim from PIL import Image from inception_resnet_v2 import * import numpy as np checkpoint_file = 'inception_resnet_v2_2016_08

浏览 10提问于2016-09-20得票数 14

回答已采纳

1回答

如何更新TensorFlow.js保存/训练的模型

node.js、machine-learning、keras、model、tensorflow.js

您好，我想知道如何在节点js中更新TensorFlow js保存的模型，我使用NodeJS在TensorFlow js中创建了一个基本的神经网络，并保存了训练好的模型，它生成了model.json和weights.bin文件。我已经看到，我们可以在Python中更新keras中经过训练的模型。但是在TensorFlow js、NodeJS和JS中没有更新模型的示例。请有人帮助更新训练好的模型。模型加载和更新代码 var tf = require('@tensorflow/tfjs-node') async funtion load(){ const model

浏览 0提问于2020-02-27得票数 2

1回答

TensorFlow保存与加载不一致

python、tensorflow、machine-learning、save、load

利用TensorFlow对像素分类问题进行了前馈神经网络的训练和保存，测试精度达到95%。在这个模型中，我每个像素都有11个特征。当我保存并加载模型时，问题就出现了。与我在原始模型中使用的输入X和Y相同，加载模型的精度几乎为0%。但我希望得到同样的95%的准确性！下面是我使用的示例代码： model = keras.Sequential() model.add(keras.layers.Flatten(input_shape=(1, 11))) # my input shape (13851000, 11) model.add(keras.layers.Dense(32, activatio

浏览 6提问于2020-10-18得票数 0

1回答

TensorFlow lstm为测试数据集中的每个不同示例预测相同的类概率。

time-series、tensorflow、lstm

我正在使用tensorflow进行时间序列分类。我正在向lstm单元提供固定窗口时间序列，并且我试图对属于A类或b类的时间序列进行分类。经过一些培训后，我正在测试新的时间序列模型，这些时间序列从未被训练过。问题是，该模型对测试数据集中的每个不同时间序列预测相同的概率。它的行为就像不同的时间序列是相同的。你知道为什么会这样吗？

浏览 3提问于2016-06-01得票数 0

回答已采纳

3回答

使用keras保存的ML.NET加载模型

python、.net、machine-learning、keras、ml.net

我有一个用Python和Keras实现的神经网络。一旦我训练了它，我就导出了模型，我得到了两个文件: model.js和model.h5。现在，我想在.NET项目中进行实时分类，并使用经过训练的神经网络进行分类。在ML.NET中，有没有一种方法可以把用python导出的模型和经过训练的权重加载到模型对象中？我在documentation1中看到可以加载以前保存的模型，但显然是存储在.zip中，我找不到格式(可能是为了编写一个脚本，从python中获取模型并将其‘转换’为ML.NET模型。显然，hdf5格式是一个standard2，有没有办法用ML.NET加载它？ 1 2

浏览 22提问于2019-04-30得票数 4

回答已采纳

2回答

文档的监督标签建议

python、machine-learning、nlp、text-classification

我有成千上万的文档和相关的标签信息。但是，我也有很多没有标记的文档。我想在带有标签的文档上训练一个模型，然后将训练好的分类器应用于未标记的文档；然后分类器将为每个未标记的文档建议最合适的标签。我做了相当多的研究，似乎还没有一个文档标签分类的监督实现。我知道NLTK、gensim、word2vec和其他库对解决这个问题会很有用。我将使用Python对该项目进行编码。任何帮助都将不胜感激。

浏览 0提问于2017-06-26得票数 0

2回答

如何将图像加载到tensorflow中以与模型一起使用？

python、machine-learning、keras、tf.keras

我刚刚开始学习机器学习，正在使用Tensorflow 1.14。我刚刚使用内置的tensorflow.keras.datasets.mnist数据集使用tensorflow.keras创建了我的第一个模型。以下是我的模型的代码： import tensorflow as tf from tensorflow import keras mnist = keras.datasets.mnist (x_train, y_train), (x_test, y_test) = mnist.load_data() class Stopper(keras.callbacks.Callback):

浏览 19提问于2019-07-11得票数 0

回答已采纳

1回答

分类器与精度

machine-learning、python、svm、naive-bayes-classifier、text-classification

我想问你如何使用分类器和确定模型的准确性。我有我的数据集，我已经清理了文本(删除断点，标点符号，删除空行，.)。然后我把它分成火车和测试。由于我想确定一个电子邮件是否是垃圾邮件，我已经使用了常见的分类器，即朴素贝叶斯，支持向量机和逻辑回归。在这里，我只是包括我的火车和测试数据集:没有其他！我正在使用Python运行此分析。我的问题是:应该足够了还是应该实现新的算法？如果你能给我一个例子，说明一个已经存在的算法是如何被改进的，那也是很好的。我阅读了大量关于文本分类准确性的文献，在所有的论文中，作者使用支持向量机、Na ve Bayes、logistic回归等方法对垃圾邮件进行分类。但我不知道

浏览 0提问于2020-08-14得票数 0

回答已采纳

1回答

韦卡:如果测试跑后是训练跑，那么训练有帮助吗？

classification、weka、bayesian

我有个疑问。我理解了交叉验证和分裂的概念，分类器将从训练数据学习和测试测试数据分裂。如果我首先使用“使用培训数据”运行分类，然后在分类选项卡中使用"SUpplied测试集“选项，然后再次运行，会发生同样的情况吗？为了在分类选项卡中更清楚地说明，我运行了两次...first，训练数据集被上传到预处理选项卡下，然后在分类选项卡“提供测试集”中运行测试集。那么，在测试数据上执行时，模型是否使用了以前所做的培训？我用了朴素的贝叶斯分类器。我也怀疑是否所有的分类器都是从训练数据中学习，还是仅仅从神经网络、决策树这样的分类器中学习？

浏览 0提问于2013-10-05得票数 0

1回答

从经过训练的神经网络创建实时运行模型的最佳实践

python、tensorflow、machine-learning、deep-learning、neural-network

我计划创建一个神经网络进行交易，我正在研究如何在我的系统(即C++或C#)运行时使用的语言中使用经过训练的神经网络。假设我在python (或任何其他nn框架)中使用tensorflow，我已经成功地训练了具有n个隐藏层的神经网络。在这一点上，我得到了权重和偏差的值。在这一点上，我想在生产中使用nn模型。据我理解，在production中运行模型并不是最好的实践，因为它实际上太慢了(python)，而且这样做很笨重(如果我错了，请纠正我)。因此，我想用C#或C++ (或任何其他语言)重新创建nn模型，是否需要根据每个神经元的权重和偏倚在代码中重新创建每一层的所有数学？问题：我从

浏览 3提问于2021-01-25得票数 0

1回答

H2O和Scikit-Learn指标评分之间有什么不同？

python、machine-learning、scikit-learn、classification、h2o

我尝试使用H2O为二进制分类问题创建了一些机器学习模型，测试结果相当不错。但后来我检查了一下发现了一些奇怪的东西。出于好奇心，我试图打印测试集的模型预测。我发现我的模型实际上一直预测0(负)，但AUC约为0.65，精度不是0.0。然后，我尝试使用Scikit-learn来比较指标得分，结果(正如预期的)它们是不同的。Scikit学习得到了0.0的精度和0.5的AUC分数，我认为这是正确的。下面是我使用的代码： model = h2o.load_model(model_path) predictions = model.predict(Test_data).as_data_frame() #

浏览 12提问于2018-02-09得票数 3

回答已采纳

1回答

如何使用加载的LSTM注意力模型对输入进行预测？

machine-learning、keras、deep-learning、data-science、attention-model

我是一个完全的深度学习和Keras的初学者。我想要建立一个分层的注意力网络，帮助将评论分类为几个类别，即。有毒，严重有毒，等等。我从一个开放的存储库中提取代码并保存模型。然后，我使用model_from_json加载了模型。现在，我希望使用这个加载的模型对输入文本(以python输入或单独的文件形式给出)进行预测。这是我使用的代码：https://www.kaggle.com/sermakarevich/hierarchical-attention-network/notebook 然后我做到了： model_json = model.to_json() with open("mo

浏览 14提问于2019-10-10得票数 2

3回答

如何部署我们的ML训练模型？

python、machine-learning、scikit-learn

我是机器学习的新手。我已经完成了k-means聚类，训练好了ml模型。我的问题是如何传递我训练过的模型的输入？示例:考虑google图像处理ML模型。为此，我们传递一个图像，该图像从该图片中提供适当的输出，如情感。现在我的疑问是如何做到这一点，我已经完成了k-means预测mall_customer谁花了更多的钱来购买产品，我想调用或将输入传递给我训练的模型。我正在使用python和sci-kit learn。

浏览 26提问于2019-02-26得票数 2

回答已采纳

1回答

DNN线性回归MAE测量误差

python-3.x、tensorflow、neural-network

我试图实现MAE作为我的DNN回归模型的性能度量。我正在使用DNN来预测facebook帖子的评论数量。据我所知，如果这是一个分类问题，那么我们使用准确性。如果是回归问题，则使用RMSE或MAE。我的代码如下： with tf.name_scope("eval"): correct = tf.metrics.mean_absolute_error(labels = y, predictions = logits) mae = tf.reduce_mean(tf.cast(correct, tf.int64)) mae_summary = tf.summa

浏览 0提问于2018-04-01得票数 1

回答已采纳

1回答

在keras中，model.predict()的结果是什么?加载模型的预测存在什么问题

python、tensorflow、machine-learning、keras

(Python 3.7，tensorflow 2.3，keras 2.4.3) 我用resnet 50做了一个分类器(使用keras中的函数式api )。我训练、保存并加载了模型。我想通过一张图片来查看预测的概率，所以我使用了model.predict()方法。我以为model.predict()的结果是预测的概率，但结果是这样的 [0.0。0。0。0。0。0。0。1.0。] 另一个问题是结果是错误的，即使我用另一张照片测试，结果总是一样的。我想知道有没有其他方法来获得预测的概率，为什么我的模型总是得到相同的预测，以及我的代码有任何问题。此代码用于训练和保存模型 <code>

浏览 232提问于2020-08-02得票数 0

回答已采纳

1回答

用tensorflow进行图像分类:三种不同的方法用相同的模型和相同的测试数据评价结果，但得到不同的结果。

python、tensorflow

我正在做一个图像分类问题，这是一个二元分类来决定图片是好的还是坏的。我训练了一个模型，当我用测试集对模型进行评估时，我发现分类报告使用3种方法是不同的： model.Generate 逐个读取图像，并使用image_dataset_from_directoryUse (模型的评估方法)将其填充到 tf数据集中。以下是代码： import config as config import tensorflow as tf from tensorflow.keras.utils import image_dataset_from_directory import numpy as np from

浏览 3提问于2021-11-02得票数 1

2回答

使用微调的初始v3模型对所有输入进行相同的预测

python-2.7、tensorflow、computer-vision、deep-learning

我正在尝试微调一个包含两个类别的初始v3模型。这些是我遵循的步骤: 1.通过更改中的类和示例的数量，使用build_image_data.py从自定义数据创建分片文件。使用labelsfile.txt；2.相应地更改中的值，并使用flowers_train.py训练模型。；3.我冻结了模型并得到了protobuf文件。；4.我的输入节点(x)期望一个大小为32，大小为299x299x3的批，所以我通过复制32次测试图像并创建了一个输入批来破解；5.使用输入和输出节点，输入批和下面的脚本，我能够打印预测的分数 image_data = create_test_batch(args.image_n

浏览 2提问于2017-10-06得票数 1

1回答