数据结构
网络
关系型数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究如何使用Tensorflow对一批图像运行分类器？
可以使用TensorFlow的‘classifier’类和‘predict’方法对一批图像运行分类器。
阅读更多： 什么是TensorFlow以及Keras如何与TensorFlow一起创建神经网络？
包含至少一层卷积层的神经网络称为卷积神经网络。我们可以使用卷积神经网络构建学习模型。
图像分类迁移学习背后的直觉是，如果一个模型在一个大型且通用的数据集上进行训练，那么这个模型可以有效地作为视觉世界的通用模型。它将学习特征图，这意味着用户无需从头开始在大型数据集上训练大型模型。
TensorFlow Hub是一个包含预训练TensorFlow模型的存储库。 TensorFlow可用于微调学习模型。
我们将了解如何使用来自TensorFlow Hub的模型与tf.keras，使用来自TensorFlow Hub的图像分类模型。完成此操作后，可以执行迁移学习以微调模型以适应自定义图像类别。这是通过使用预训练的分类器模型来获取图像并预测它是做什么的来完成的。这可以在不需要任何训练的情况下完成。
我们正在使用Google Colaboratory运行以下代码。Google Colab或Colaboratory有助于通过浏览器运行Python代码，并且无需任何配置即可免费访问GPU（图形处理单元）。Colaboratory构建在Jupyter Notebook之上。
示例
print("Classifier is run on batch of images")
result_batch = classifier.predict(train_ds)
predicted_class_names = imagenet_labels[np.argmax(result_batch, axis=-1)]
print("The class names are predicted")
print(predicted_class_names)代码来源 -https://tensorflowcn.cn/tutorials/images/transfer_learning_with_hub
输出
Classifier is run on batch of images The class names are predicted ["yellow lady's slipper" 'daisy' 'sea urchin' ... 'vault' 'bee' 'barn spider']
解释
- 分类器在一批图像上运行。
- 预测的类名显示在控制台上。
更新于： 2021年2月25日
153 次浏览
广告