VGGNet分類······Keras重建模型

感覺AI可能因?yàn)槭莻€(gè)新興的學(xué)科忽妒,所以特別迷;

keras, tensorflow, slim等各大模塊亂七八糟姜挺,博客內(nèi)容五花八門......

1)利用tensorflow的slim模塊復(fù)現(xiàn)vggnet實(shí)現(xiàn)圖像分類

import tensorflow as tf

import tensorflow.contrib.slim as slim

import tensorflow.contrib.slim.nets as nets

import sys

import numpy as np

sys.path.append('D:/models-master/research/slim')

from preprocessing import vgg_preprocessing

from nets import vgg

tf.reset_default_graph()

image_size = vgg.vgg_16.default_image_size

image=tf.read_file('1.jpeg')

jpeg = tf.image.decode_jpeg(image, channels=3)

processed_image = vgg_preprocessing.preprocess_image(jpeg,

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? image_size,

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? image_size,

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? is_training=False)

processed_images? = tf.expand_dims(processed_image, 0)

with slim.arg_scope(vgg.vgg_arg_scope()):

? ? logits, _ = vgg.vgg_16(processed_images,

? ? ? ? ? ? ? ? ? ? ? ? ? num_classes=1000,

? ? ? ? ? ? ? ? ? ? ? ? ? is_training=False)

probabilities = tf.nn.softmax(logits)

np_image = tf.placeholder(tf.float32, [None,224,224,3])

init_fn = slim.assign_from_checkpoint_fn('./vgg_16.ckpt',slim.get_model_variables('vgg_16'))

with tf.Session(config=tf.ConfigProto(device_count={'gpu':0})) as sess:

? ? init_fn(sess)

? ? np_image, network_input, probabilities = sess.run([jpeg, processed_images,probabilities])

? ? print(np.max(probabilities))

2)利用keras復(fù)現(xiàn)vggnet

from keras.preprocessing.image import load_img

from keras.preprocessing.image import img_to_array

from keras.applications.vgg16 import preprocess_input

from keras.applications.vgg16 import decode_predictions

from keras.applications.vgg16 import VGG16

# load the model

model = VGG16()

# load an image from file

image = load_img('mug.jpg', target_size=(224, 224))

# convert the image pixels to a numpy array

image = img_to_array(image)

# reshape data for the model

image = image.reshape((1, image.shape[0], image.shape[1], image.shape[2]))

# prepare the image for the VGG model

image = preprocess_input(image)

# predict the probability across all output classes

yhat = model.predict(image)

# convert the probabilities to class labels

label = decode_predictions(yhat)

# retrieve the most likely result, e.g. highest probability

label = label[0][0]

# print the classification

print('%s (%.2f%%)' % (label[1], label[2]*100))

感覺不懂tensorflow強(qiáng)行入門好難呀齿税,繼續(xù)鉆研ing

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市炊豪,隨后出現(xiàn)的幾起案子凌箕,更是在濱河造成了極大的恐慌,老刑警劉巖词渤,帶你破解...
    沈念sama閱讀 216,997評論 6 502
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件牵舱,死亡現(xiàn)場離奇詭異,居然都是意外死亡缺虐,警方通過查閱死者的電腦和手機(jī)芜壁,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,603評論 3 392
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人沿盅,你說我怎么就攤上這事把篓。” “怎么了腰涧?”我有些...
    開封第一講書人閱讀 163,359評論 0 353
  • 文/不壞的土叔 我叫張陵韧掩,是天一觀的道長。 經(jīng)常有香客問我窖铡,道長疗锐,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,309評論 1 292
  • 正文 為了忘掉前任费彼,我火速辦了婚禮滑臊,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘箍铲。我一直安慰自己雇卷,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,346評論 6 390
  • 文/花漫 我一把揭開白布颠猴。 她就那樣靜靜地躺著关划,像睡著了一般。 火紅的嫁衣襯著肌膚如雪翘瓮。 梳的紋絲不亂的頭發(fā)上贮折,一...
    開封第一講書人閱讀 51,258評論 1 300
  • 那天,我揣著相機(jī)與錄音资盅,去河邊找鬼调榄。 笑死,一個(gè)胖子當(dāng)著我的面吹牛呵扛,可吹牛的內(nèi)容都是我干的每庆。 我是一名探鬼主播,決...
    沈念sama閱讀 40,122評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼今穿,長吁一口氣:“原來是場噩夢啊……” “哼扣孟!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起荣赶,我...
    開封第一講書人閱讀 38,970評論 0 275
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎鸽斟,沒想到半個(gè)月后拔创,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,403評論 1 313
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡富蓄,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,596評論 3 334
  • 正文 我和宋清朗相戀三年剩燥,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 39,769評論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡灭红,死狀恐怖侣滩,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情变擒,我是刑警寧澤君珠,帶...
    沈念sama閱讀 35,464評論 5 344
  • 正文 年R本政府宣布,位于F島的核電站娇斑,受9級特大地震影響策添,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜毫缆,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,075評論 3 327
  • 文/蒙蒙 一唯竹、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧苦丁,春花似錦浸颓、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,705評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至账阻,卻和暖如春蒂秘,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背淘太。 一陣腳步聲響...
    開封第一講書人閱讀 32,848評論 1 269
  • 我被黑心中介騙來泰國打工姻僧, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人蒲牧。 一個(gè)月前我還...
    沈念sama閱讀 47,831評論 2 370
  • 正文 我出身青樓撇贺,卻偏偏與公主長得像,于是被迫代替她去往敵國和親冰抢。 傳聞我的和親對象是個(gè)殘疾皇子松嘶,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,678評論 2 354