如何在 Keras 中使用经过训练的模型进行预测

Posted 2023-03-13

【中文标题】如何在 Keras 中使用经过训练的模型进行预测

【英文标题】：How to perform prediction with a trained model in Keras

【发布时间】：2020-02-27 04:19:19

【问题描述】：

我是 Keras 的新手。通过在线教程之后的迁移学习，我尝试为我的自定义数据集训练模型，下面是我的代码。现在我应该如何执行给定图像的分类？

这是训练代码：

def build_finetune_model(base_model, dropout, fc_layers, num_classes):
    for layer in base_model.layers:
        layer.trainable = False

    x = base_model.output
    x = Flatten()(x)
    for fc in fc_layers:
        # New FC layer, random init
        x = Dense(fc, activation='relu')(x) 
        x = Dropout(dropout)(x)

    # New softmax layer
    predictions = Dense(num_classes, activation='softmax')(x) 
    finetune_model = Model(inputs=base_model.input, outputs=predictions)
    return finetune_model

train_datagen =  ImageDataGenerator(preprocessing_function=preprocess_input)
train_generator = train_datagen.flow_from_directory(TRAIN_DIR, 
                                                    target_size=(HEIGHT, WIDTH), 
                                                    batch_size=BATCH_SIZE)
base_model = MobileNetV2(weights='imagenet', include_top=False, input_shape=(HEIGHT, WIDTH, 3))

root=TRAIN_DIR
class_list = [ item for item in os.listdir(root) if os.path.isdir(os.path.join(root, item)) ]
print (class_list)

FC_LAYERS = [1024, 1024]
dropout = 0.5

finetune_model = build_finetune_model(base_model, dropout=dropout, fc_layers=FC_LAYERS, num_classes=len(class_list))
adam = Adam(lr=0.00001)
finetune_model.compile(adam, loss='categorical_crossentropy', metrics=['accuracy'])
filepath="./checkpoints/" + "MobileNetV2_epoch:02d_acc:.2f" +"_model_weights.h5"
checkpoint = ModelCheckpoint(filepath, monitor=["acc"], verbose=1, mode='max', save_weights_only=True)
callbacks_list = [checkpoint]

history = finetune_model.fit_generator(train_generator, epochs=NUM_EPOCHS, workers=8, 
                                       steps_per_epoch=steps_per_epoch, 
                                       shuffle=True, callbacks=callbacks_list)

这是我的分类代码，它只返回一个浮点数数组！

if __name__ == '__main__':
    model = load_model('ResNet50_model_weights.h5')

    img_path = 'test.jpg'
    img = image.load_img(img_path, target_size=(300, 300))
    x = image.img_to_array(img)
    x = np.expand_dims(x, axis=0)
    print('Input image shape:', x.shape)

    results = model.predict(x)
    print('Predicted:', results)

【参考方案1】：

您的模型的最后一层是softmax，这意味着它会输出介于 0 和 1 之间的每个类别的概率。为了判断输入图像被预测为哪个类别，请取argmax 的结果。 argmax 返回数组中最大元素的索引。

predicted_class_label = np.argmax(results)
print("network predicted input image is class ".format(predicted_class_label))

【讨论】：

谢谢。但是我不能得到类的真实名称而不是索引吗？！如何得到它？我们没有decode_predictions(preds)吗？

我不确定您使用的是什么数据集。通常，您定义从索引到实名的映射。您正在使用多少个类以及如何对标签进行编码？

我从当前目录中的文件夹中读取名称（上面的代码！）。所以模型不记得真名了？！

另一个问题：我有第二个模型MobileNetV2，唯一的区别是我在训练中选择了save_weights_only=True。但它不起作用。需要进行任何更改吗？

您需要将网络的最后一层更改为拥有 1 个节点，并且激活需要从 softmax 更改为 sigmoid。我无法在不了解更多信息的情况下调试KeyError - 也许发布堆栈跟踪。此外，要将名称分配给类标签，您必须定义从当前目录中的文件夹到整数的映射。