Question

我用Keras训练了一个图像分类器，最后我用代码

保存了模型

model.save('model1.h5')

现在，当我实际尝试使用此模型预测另一张图片时，我正在使用该代码

from keras.models import load_model
from keras.preprocessing import image
import numpy as np

# dimensions of our images
img_width, img_height = 231, 172

# load the model we saved
model = load_model('model1.h5')
model.compile(loss='binary_crossentropy',
              optimizer='rmsprop',
              metrics=['accuracy'])

# predicting images
img = image.load_img('a.png', target_size=(img_width, img_height))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)

images = np.vstack([x])
classes = model.predict_classes(images, batch_size=10)
print(classes)

我收到错误

ValueError：检查时出错：预期conv2d_1_input具有形状（无，231,172,1）但是具有形状的数组（1,231,172,3）

我使用的图像都是GrayScale模式，所以我知道我需要将3更改为1，但我不确定如何使用此代码？

另外，当我训练图像时，我设置了

train_datagen = ImageDataGenerator(rescale=1. / 255)
test_datagen = ImageDataGenerator(rescale=1. / 255)

但我不确定在哪里放置代码重新缩放它，如果它甚至需要

另外，我设置了

batch_size = 16

我在代码中看到预测我把

classes = model.predict_classes(images, batch_size=10)

我是否应该将batch_size更改为16？或者只是把它留在10？

再次感谢你们！

Answer 1

首先，要以灰度模式加载图像，只需添加grayscale=True，如下所示：

img = image.load_img('a.png', target_size=(img_width, img_height), grayscale=True)

其次，将img转换为numpy数组后，只需将x除以255.即可重新缩放。

第三，batch_size参数表示完成计算的批次有多大。由于您对单个图像进行预测，因此您定义的batch_size并不重要。以下是Keras documentation关于batch_size推断的内容：

对于推理（评估/预测），建议选择一个尽可能大的批量大小，而不会耗尽内存（因为较大的批次通常会导致更快的评估/预测）。

最后，在加载模型进行推理时无需编译模型。您可以安全地删除model.compile(...)。

Answer 2

可能错误就在这里。

img = image.load_img('a.png', target_size=(img_width, img_height))

如果训练模型中的target_size为（64,64）。

预测期间的目标大小应为（64,64）而不是（img_width，img_height）

如何使用Keras中保存的模型来预测和分类单个图像？

2 个答案: