【手把手帶你入門深度學習之150行代碼的漢字識別系統】學習筆記 ·003 用訓練模型進行預測

立即學習:https://edu.csdn.net/course/play/24719/279510?utm_source=blogtoedu

 

目錄

一、用訓練模型進行預測代碼

二、思路總結

1、模型的導入

2、測試圖像的輸入

3、根據測試圖像進行預測

三、API總結

---

 

一、用訓練模型進行預測代碼

import cv2
import tensorflow as tf


with tf.Session() as sess:
    """加載模型"""
    loader = tf.train.import_meta_graph("./model/model.meta")
    loader.restore(sess, './model/model')

    """開始識別"""
    capture = cv2.VideoCapture(0)
    while True:
        ret, frame = capture.read()  # 獲取一幀
        show_img = frame.copy()  # show_img是原圖像frame的拷貝
        crop_img = frame[100:200, 100:200]  # crop_img是在原圖像frame上的部分截取
        cv2.rectangle(show_img, (100, 100), (200, 200), (0, 0, 255), 5)  # 在show_img上畫出截取部分的框框
        cv2.imshow('frame', show_img)  # 顯示圖片show_img
        k = cv2.waitKey(1)  # OpenCV延遲1毫秒、同時檢測是否有按鍵被按下（如果有鍵被按下時，將鍵值返回給q）
        # 按下Q鍵退出
        if k == ord('q'):
            break
        # 按下S鍵進行識別
        elif k == ord('s'):
            out = sess.run("output:0", feed_dict={"data_in:0": [crop_img]})
            res = ['我', '好', '帥'][out[0]]
            print("識別結果：", res)
            cv2.imshow("crop", crop_img)

    capture.release()
    cv2.destroyAllWindows()

 

二、思路總結

1、模型的導入

要有一個會話sess，要構建好模型載入器，要將模型文件路徑填入，恢復到會話中

2、測試圖像的輸入

和準備數據集時同樣的方法，使用cv調用攝像頭，框選部分圖像，作爲輸入

3、根據測試圖像進行預測

在會話sess中運行模型中與輸出相應的"name:後綴"，同時將測試圖像的數據feed給模型中與輸入相應的"name:後綴"，得到的返回值即爲輸出結果。

這裏需要注意的是，本質上sess讀取的模型中就蘊含了原來訓練時神經網絡的結構，所以name要和原來訓練時神經網絡中變量的name相對應

 

三、API總結

API	作用	使用示例
tf.train.import_meta_graph	構建tf會話載入器	loader = tf.train.import_meta_graph("./model/model.meta")
*.restore	將訓練好的模型文件加載到會話中	loader.restore(sess, './model/model')