Kerasを使ってあらかじめ訓練したモデルを目標カテゴリ予測を行います。


前言
最近は深さ学習に関する内容を勉強し始めました。各種の書籍、教程は今までにもいくつかの基本的な理解があります。Kerasの公式文書を参照して、自分でappicationを使用する小さい例を作って、画像を識別し、可能性の最大の分類を与えることができます。
余談はさておいて、コードを書き始めます。
環境構築に関することはここで省きます。インターネットはとても多いです。あまり難しくないと思います。

from keras.applications.resnet50 import ResNet50
from keras.preprocessing import image
from keras.applications.resnet50 import preprocess_input, decode_predictions
import numpy as np
重みを導入して、初めてネットからダウンロードしますが、速度はまだ速いです。ImageNetのデータセットを使います。
model=Reset 50(weightts='magenet)
関数を指定して画像ファイルを読み込み、処理します。ここではPLIのライブラリをインストールします。pip install Pillow、さもなくば間違いを報告します。

def load_image(img_path):
  img = image.load_img(img_path, target_size=(224, 224))
  x = image.img_to_array(img)
  x = np.expand_dims(x, axis=0)
  x = preprocess_input(x)
  return x
画像ファイルを読み込み、デフォルトでは現在のパスを探します。
x=load_イメージ('ゼブラ.jpg')
はは、予測を始めました。人の心を奮い立たせます
prems=model.predicat(x)
実行速度が速いので、結果を見てみます。
print('Predicted:',decode_preditions(predis、top=3)[0]
Predicted:[(‘n 02391049],‘zbra’,0.99566585),(‘n 02423022’,‘gazere’,0.00101010297714),(‘n 01518878’,‘ostrich’,0.0006732085)]
正確率はいいです。あとは飛行機のような写真もテストしました。全体的にはまあまあです。
とても簡単ですか?確かに簡単です。
補足の知識:模型の訓練のlossは先に迅速に下がった後にずっと上昇します。
loss関数の動きは以下の通りです。

チェックコードは問題ないです。分析は局部最適に陥ったはずです。学習率を少し低くしたらいいです。0.01から0.001に変えました。
以上の本はKerasで予習したモデルを使って目標分類の予測を行います。詳細は小編で皆さんに共有した内容です。参考にしてもらいたいです。よろしくお願いします。