深度学习VGG16模型应用

import matplotlib.pyplot as plt
# 导入VGG16模型
from keras.applications.vgg16 import VGG16
from keras.preprocessing import image
from keras.applications.vgg16 import preprocess_input, decode_predictions
import numpy as npmodel = VGG16(weights="imagenet", include_top=True)
img_path = "image/man.jpg"
img = image.load_img(img_path, target_size=(224, 224))  # 读取图片并将尺寸转换为(224 x 224)x = image.img_to_array(img)  # 将读取的图片转化成
x = np.expand_dims(x, axis=0)  # 转换为张量size为(1, 224, 224, 3)
x = preprocess_input(x)features = model.predict(x)  # 预测，取得features，维度为(1, 1000)# 取得前5个最可能的类别及概率
pred = decode_predictions(features, top=5)[0]# 整理预测结果
values = []
bar_label = []
for element in pred:values.append(element[2])bar_label.append(element[1])def percent(value):return "%.2f" % (value * 100)# 绘图
fig = plt.figure("预测结果")
ax = fig.add_subplot(111)
plt.ylabel("probability")
plt.bar(range(len(values)), values, tick_label=bar_label, width=0.5, fc="g")
plt.title("top-5")
for a, b in zip(range(len(values)), values):plt.text(a, b + 0.0005, percent(b), ha='center', va='bottom', fontsize=7)
print(percent(b))
plt.show()

深度学习VGG16模型应用相关推荐

GPU云服务器深度学习性能模型初探
摘要: 本文根据实测数据,初步探讨了在弹性GPU云服务器上深度学习的性能模型,可帮助科学选择GPU实例的规格. 1 背景得益于GPU强大的计算能力,深度学习近年来在图像处理.语音识别.自然语言处理等 ...
浅谈深度学习:如何计算模型以及中间变量的显存占用大小
原文链接:https://oldpan.me/archives/how-to-calculate-gpu-memory 前言亲,显存炸了,你的显卡快冒烟了! torch.FatalError: cu ...
深度学习实战——模型推理优化（模型压缩与加速）
忆如完整项目/代码详见github:https://github.com/yiru1225(转载标明出处勿白嫖 star for projects thanks) 目录系列文章目录一.实验思路综 ...
NVIDIA GPUs上深度学习推荐模型的优化
NVIDIA GPUs上深度学习推荐模型的优化 Optimizing the Deep Learning Recommendation Model on NVIDIA GPUs 推荐系统帮助人在成倍增 ...
谷歌、阿里们的杀手锏：三大领域，十大深度学习CTR模型演化图谱
作者 | 王喆来源 | 转载自知乎专栏王喆的机器学习笔记今天我们一起回顾一下近3年来的所有主流深度学习CTR模型,也是我工作之余的知识总结,希望能帮大家梳理推荐系统.计算广告领域在深度学习方面的前 ...
谷歌、阿里们的杀手锏：3大领域，10大深度学习CTR模型演化图谱（附论文）
来源:知乎作者:王喆本文约4000字,建议阅读8分钟. 本文为你介绍近3年来的所有主流深度学习CTR模型. 今天我们一起回顾一下近3年来的所有主流深度学习CTR模型,也是我工作之余的知识总结,希望 ...
【深度学习】模型训练过程可视化思路（可视化工具TensorBoard）
[深度学习]模型训练过程可视化思路(可视化工具TensorBoard) 文章目录 1 TensorBoard的工作原理 2 TensorFlow中生成log文件 3 启动TensorBoard,读取l ...
DL之模型调参：深度学习算法模型优化参数之对LSTM算法进行超参数调优
DL之模型调参:深度学习算法模型优化参数之对LSTM算法进行超参数调优目录基于keras对LSTM算法进行超参数调优 1.可视化LSTM模型的loss和acc曲线
DL之模型调参：深度学习算法模型优化参数之对深度学习模型的超参数采用网格搜索进行模型调优(建议收藏)
DL之模型调参:深度学习算法模型优化参数之对深度学习模型的超参数采用网格搜索进行模型调优(建议收藏) 目录神经网络的参数调优 1.神经网络的通病-各种参数随机性 2.评估模型学习能力

深度学习VGG16模型应用

深度学习VGG16模型应用相关推荐

最新文章

热门文章