Keras OCR示例演示了使用堆叠CNN和RNN开发的非常简单的OCR系统。但在训练后如何使用训练模型预测结果? Link for image_ocr
答案 0 :(得分:1)
使用model.fit()
功能适合您的模型后:
model.fit(X_training_data,Y_training_data,...)
您可以使用model.evaluate()
评估您的模型,如下所示:
model.evaluate(X_test, y_test, verbose=0)
如果您想保存模型:
model.save('my_nn.hdf5')
请注意,将X和y数据拆分为训练和测试数据集的最简单方法就是获取前N个观测值,然后将它们作为测试数据集,并将其余部分作为测试数据集。有时,测试和训练集会为您分割,就像NIST's optical digit recognition data set:
一样testing_df = pd.read_csv('data/optdigits/optdigits.tes',header=None)
X_testing, y_testing = testing_df.loc[:,0:63], testing_df.loc[:,64]
training_df = pd.read_csv('data/optdigits/optdigits.tra',header=None)
X_training, y_training = training_df.loc[:,0:63], training_df.loc[:,64]
此示例将测试和训练集拆分为(a)包含数字灰度图像的64个像素的64个元素的矢量[:,0:63]
,以及(b)1个元素的矢量{{1}包含图像代表的数字。