從小白到入門:用Keras進行圖像基礎分類

　　【IT168 資訊】在這篇文章中，將解釋一些在keras中經常需要的常見操作。首先，如何保存模型並使用它們進行預測，從數據集中顯示圖像並從加載系統中圖像並預測其類別。

　　如果你還沒有這樣做，可以啟動你的IDE跟著文章，一起來操作。

　　保存模型

　　訓練模型是一個非常緩慢的過程，沒有人希望每次都這樣做，幸運的是，我們只需要訓練我們的模型一次，保存，然後就可以隨時加載，並用它來預測新的圖像。

　　Keras將模型保存為h5格式，所以如果你在發布的第一個教程中跳過了h5py的安裝，請運行：

　　我們還需要matplotlib來形象化我們的圖像，因此，運行

　　這是第一個教程的代碼：

　　了保存模型，只需在模型之後添加以下內容。

　　推理

　　推理是指使用我們的模型預測新圖像的過程。

　　在你的代碼中，標註出

　　取而代之的是下面的內容。

　　我們的代碼現在是這樣的。

　　我們在這裡所做的是從保存的模型文件中加載模型的參數，評估函數在測試數據集上運行預測，並返回我們預測的準確性。

　　到目前為止，已經演示了如何保存模型並稍後使用它們進行預測，然而，這些都是無聊的事情，真正的協議是能夠加載一個特定的圖像，並確定它屬於什麼類別。

　　第一步是添加下面的代碼以獲得測試的特定圖像的過程。

　　這裡我們選擇一個隨機的圖像，在這個例子中，從測試集的索引130中，我們創建了一個扁平的副本，它被重新塑造。

　　將這個副本加入到我們的模型中，接下來得到預測並列印出來。

　　在代碼中注釋掉model.evaluate，添加上面的代碼並運行它。

　　你的輸出應該是這樣的：

　　現在已經有了預測，我們使用matplotlib來顯示圖像和它的預測類別。

      這裡的重塑操作是必要的，以使matplotlib顯示圖像

　　你的更新代碼應該都是這樣的　　

　　運行它，得到的輸出應該是這個。比較簡單，因為已經建立了一個基本的數字識別系統。

　　鼓勵嘗試不同的測試圖像索引，可以親自查看結果如何。

　　但是，如果想引入未包含在測試集中的圖像，那麼請將下面的圖像保存到系統中，並將其複製到python文件所在的目錄中。

　　運行下面的代碼

　　你可能會注意到這裡有一些新東西，首先是從keras.preprocessing導入圖像。

　　接下來,我們加了

　　在第一行中，我們從磁碟加載圖像，並指定它應該調整大小為28 x 28 x 1，請記住，這是原始mnist圖像的尺寸，所以它的優點就是保持恆定。

　　接下來，我們將圖像轉換為一個像素數組，這就是全部。

　　運行它並自己檢查結果，查看預測結果是否為3。