文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

python怎么使用tensorflow进行图像分类

2023-07-02 13:40

关注

本文小编为大家详细介绍“python怎么使用tensorflow进行图像分类”,内容详细,步骤清晰,细节处理妥当,希望这篇“python怎么使用tensorflow进行图像分类”文章能帮助大家解决疑惑,下面跟着小编的思路慢慢深入,一起来学习新知识吧。

正文

谷歌在大型图像数据库ImageNet上训练好了一个Inception-v3模型,这个模型我们可以直接用来进来图像分类。

下载完解压后,得到几个文件:

其中

classify_image_graph_def.pb 文件就是训练好的Inception-v3模型。

imagenet_synset_to_human_label_map.txt是类别文件。

随机找一张图片

python怎么使用tensorflow进行图像分类

对这张图片进行识别,看它属于什么类?

代码如下:先创建一个类NodeLookup来将softmax概率值映射到标签上。

然后创建一个函数create_graph()来读取模型。

读取图片进行分类识别

# -*- coding: utf-8 -*-import tensorflow as tfimport numpy as npimport reimport osmodel_dir='D:/tf/model/'image='d:/cat.jpg'#将类别ID转换为人类易读的标签class NodeLookup(object):  def __init__(self,               label_lookup_path=None,               uid_lookup_path=None):    if not label_lookup_path:      label_lookup_path = os.path.join(          model_dir, 'imagenet_2012_challenge_label_map_proto.pbtxt')    if not uid_lookup_path:      uid_lookup_path = os.path.join(          model_dir, 'imagenet_synset_to_human_label_map.txt')    self.node_lookup = self.load(label_lookup_path, uid_lookup_path)  def load(self, label_lookup_path, uid_lookup_path):    if not tf.gfile.Exists(uid_lookup_path):      tf.logging.fatal('File does not exist %s', uid_lookup_path)    if not tf.gfile.Exists(label_lookup_path):      tf.logging.fatal('File does not exist %s', label_lookup_path)    # Loads mapping from string UID to human-readable string    proto_as_ascii_lines = tf.gfile.GFile(uid_lookup_path).readlines()    uid_to_human = {}    p = re.compile(r'[n\d]*[ \S,]*')    for line in proto_as_ascii_lines:      parsed_items = p.findall(line)      uid = parsed_items[0]      human_string = parsed_items[2]      uid_to_human[uid] = human_string    # Loads mapping from string UID to integer node ID.    node_id_to_uid = {}    proto_as_ascii = tf.gfile.GFile(label_lookup_path).readlines()    for line in proto_as_ascii:      if line.startswith('  target_class:'):        target_class = int(line.split(': ')[1])      if line.startswith('  target_class_string:'):        target_class_string = line.split(': ')[1]        node_id_to_uid[target_class] = target_class_string[1:-2]    # Loads the final mapping of integer node ID to human-readable string    node_id_to_name = {}    for key, val in node_id_to_uid.items():      if val not in uid_to_human:        tf.logging.fatal('Failed to locate: %s', val)      name = uid_to_human[val]      node_id_to_name[key] = name    return node_id_to_name  def id_to_string(self, node_id):    if node_id not in self.node_lookup:      return ''    return self.node_lookup[node_id]#读取训练好的Inception-v3模型来创建graphdef create_graph():  with tf.gfile.FastGFile(os.path.join(      model_dir, 'classify_image_graph_def.pb'), 'rb') as f:    graph_def = tf.GraphDef()    graph_def.ParseFromString(f.read())    tf.import_graph_def(graph_def, name='')#读取图片image_data = tf.gfile.FastGFile(image, 'rb').read()#创建graphcreate_graph()sess=tf.Session()#Inception-v3模型的最后一层softmax的输出softmax_tensor= sess.graph.get_tensor_by_name('softmax:0')#输入图像数据,得到softmax概率值(一个shape=(1,1008)的向量)predictions = sess.run(softmax_tensor,{'DecodeJpeg/contents:0': image_data})#(1,1008)->(1008,)predictions = np.squeeze(predictions)# ID --> English string label.node_lookup = NodeLookup()#取出前5个概率最大的值(top-5)top_5 = predictions.argsort()[-5:][::-1]for node_id in top_5:  human_string = node_lookup.id_to_string(node_id)  score = predictions[node_id]  print('%s (score = %.5f)' % (human_string, score))sess.close()

最后输出

tiger cat (score = 0.40316)
Egyptian cat (score = 0.21686)
tabby, tabby cat (score = 0.21348)
lynx, catamount (score = 0.01403)
Persian cat (score = 0.00394)

读到这里,这篇“python怎么使用tensorflow进行图像分类”文章已经介绍完毕,想要掌握这篇文章的知识点还需要大家自己动手实践使用过才能领会,如果想了解更多相关内容的文章,欢迎关注编程网行业资讯频道。

阅读原文内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯