目录
0 前言
要求:
- 安装keras库
- 需要一个h5文件进行读取
- h5文件获取方式:
1、keras之分类数字图片(二),该文章的会生成模型及参数,建议使用这种方法,掌握来龙去脉。
2、或者直接获取:百度网盘
提取码:gedt
1 读取h5文件
目标:
- 熟练使用keras存读取h5文件
步骤:
- 1、加载模型
- 2、打印模型权重
- 3、使用test数据集验证,加载的模型是否完整
1.1 加载模型
from datetime import datetime
from keras.models import load_model
# 如下的文件位置,根据自己电脑的文件位置更改
model = load_model('dentify_writtern_number_20210129_1209/epoch:10-loss:0.2525.h5')
# 打印加载的模型结构
print (model.summary())
model已经加载进去,我们可以看一下模型的结构
运行结果:
1.2 打印模型权重
for i in range(len(model.layers)):
if len(model.layers[i].get_weights())==1:
w = model.layers[i].get_weights()
b=0
if len(model.layers[i].get_weights())==2:
w,b = model.layers[i].get_weights()
print(w.shape,b.shape)
model.layers[1].weights
运行结果部分截图:
1.3 使用test集验证
随机网上找一个图片验证。
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
# 自己网上随便找一个jpg图片
img = cv.imread("8.jpg")
gray_img = cv.cvtColor(img, cv.COLOR_RGB2GRAY)
img_resize = cv.resize(gray_img,(28,28))
plt.imshow(img_resize)
plt.show()
# 以上进行图片灰度化,以及reshape操作,使其符合我们数据要求
print(gray_img.shape)
y_pred = model.predict(img_resize.reshape((1,28,28,1)))
print (y_pred)
print (np.argmax(y_pred))
运行结果:
2 源代码
# 1、加载模型
from datetime import datetime
from keras.models import load_model
# 如下的文件位置,根据自己电脑的文件位置更改
model = load_model('dentify_writtern_number_20210129_1209/epoch:10-loss:0.2525.h5')
# 打印加载的模型结构
print (model.summary())
# 2、打印模型权重
for i in range(len(model.layers)):
if len(model.layers[i].get_weights())==1:
w = model.layers[i].get_weights()
b=0
if len(model.layers[i].get_weights())==2:
w,b = model.layers[i].get_weights()
print(w.shape,b.shape)
model.layers[1].weights
# 3、使用test集验证
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
# 自己网上随便找一个jpg图片
img = cv.imread("8.jpg")
gray_img = cv.cvtColor(img, cv.COLOR_RGB2GRAY)
img_resize = cv.resize(gray_img,(28,28))
plt.imshow(img_resize)
plt.show()
# 以上进行图片灰度化,以及reshape操作,使其符合我们数据要求
print(gray_img.shape)
y_pred = model.predict(img_resize.reshape((1,28,28,1)))
print (y_pred)
print (np.argmax(y_pred))
如有疑惑,以下评论区留言。力所能及,必答之。