如何用Keras加载.h5模型来评估特定实例的效果？
- 内容介绍
- 文章标签
- 相关推荐
本文共计1291个文字，预计阅读时间需要6分钟。
环境：Python 3.6 + OpenCV3 + Keras，训练集：MNIST重点：MNIST数据集中的图片为黑白底白字，若手动标注时图片未转换为黑白底白字，识别率会降低。
环境：python 3.6 +opencv3+Keras
训练集：MNIST
下面划重点：因为MNIST使用的是黑底白字的图片，所以你自己手写数字的时候一定要注意把得到的图片也改成黑底白字的，否则会识别错（至少我得到的结论是这样的 ，之前用白底黑字的图总是识别出错）
注意：需要测试图片需要为与训练模时相同大小的图片，RGB图像需转为gray
代码：
import cv2 import numpy as np from keras.models import load_model model = load_model('fm_cnn_BN.h5') #选取自己的.h模型名称 image = cv2.imread('6_b.png') img = cv2.cvtColor(image,cv2.COLOR_RGB2GRAY) # RGB图像转为gray #需要用reshape定义出例子的个数，图片的 通道数，图片的长与宽。
本文共计1291个文字，预计阅读时间需要6分钟。
环境：Python 3.6 + OpenCV3 + Keras，训练集：MNIST重点：MNIST数据集中的图片为黑白底白字，若手动标注时图片未转换为黑白底白字，识别率会降低。
环境：python 3.6 +opencv3+Keras
训练集：MNIST
下面划重点：因为MNIST使用的是黑底白字的图片，所以你自己手写数字的时候一定要注意把得到的图片也改成黑底白字的，否则会识别错（至少我得到的结论是这样的 ，之前用白底黑字的图总是识别出错）
注意：需要测试图片需要为与训练模时相同大小的图片，RGB图像需转为gray
代码：
import cv2 import numpy as np from keras.models import load_model model = load_model('fm_cnn_BN.h5') #选取自己的.h模型名称 image = cv2.imread('6_b.png') img = cv2.cvtColor(image,cv2.COLOR_RGB2GRAY) # RGB图像转为gray #需要用reshape定义出例子的个数，图片的 通道数，图片的长与宽。