TensorFlow：对图像进行分类

Question

我正在关注有关使用 TensorFlow 2.0 进行图像分类的教程：https ://www.tensorflow.org/tutorials/images/classification

本教程展示了如何构建和训练模型，但我不明白如何实际使用该模型。

我正在寻找的是一种在图像中传递图像（最好只是它的路径）并取回某种分类结果的方法。像这样的东西：

result = model.evaluate('path/to/image.jpg')

# result == {'cat': 0.92, 'dog': 0.08}

如何实施？另外，模型保存在哪里以及训练完成后如何访问它？

Answer 1

对于打印出图像是 X% 猫、%Y 狗的百分比结果的特定情况，这个特定的 tensorflow 教程可能更有用。在其中，他们确实介绍了如何绘制百分比可能性，以及使用 tensorflow 的大部分基础知识。训练模型后，您可以使用更多代码以图形方式显示结果，例如教程中的以下代码：def plot_image(i, predictions_array, true_label, img):  predictions_array, true_label, img = predictions_array, true_label[i], img[i]  plt.grid(False)  plt.xticks([])  plt.yticks([])  plt.imshow(img, cmap=plt.cm.binary)  predicted_label = np.argmax(predictions_array)  if predicted_label == true_label:    color = 'blue'  else:    color = 'red'  plt.xlabel("{} {:2.0f}% ({})".format(class_names[predicted_label],                                100*np.max(predictions_array),                                class_names[true_label]),                                color=color)def plot_value_array(i, predictions_array, true_label):  predictions_array, true_label = predictions_array, true_label[i]  plt.grid(False)  plt.xticks(range(10))  plt.yticks([])  thisplot = plt.bar(range(10), predictions_array, color="#777777")  plt.ylim([0, 1])  predicted_label = np.argmax(predictions_array)  thisplot[predicted_label].set_color('red')  thisplot[true_label].set_color('blue')然后，使用以下代码，您可以绘制一些关于结果的图： 在此处输入图像描述至于访问您的模型并保存它，以下tensorflow 教程可能会有用。