标签：tmp 150 二十三 img 博客 nam 可视化 Tensorflow model
本博客仅用于个人学习，不用于传播教学，主要是记自己能够看得懂的笔记（
学习知识来自：【吴恩达团队Tensorflow2.0实践系列课程第一课】TensorFlow2.0中基于TensorFlow2.0的人工智能、机器学习和深度学习简介及基础编程_哔哩哔哩_bilibili
上次鉴别了一下人与马，这次换了一个数据集，鉴别猫与狗。方法与上次一毛一样，不过这次后面要加一个可视化操作，来看看我们的图片经过卷积和池化之后的有什么变化，有什么突出的地方。
这次为了方便，用的是jupyter notebook编辑的（之前使用VScode），数据集下载地址：https://storage.googleapis.com/mledu-datasets/cats_and_dogs_filtered.zip
可视化的话，就在我上次写的代码后面加上下面这些，就可以了。另外，代码中的plt.show()在jupyter notebook中可以删除。
import random
from tensorflow.keras.preprocessing.image import img_to_array,load_img
import matplotlib.pyplot as plt
s_outputs=[layer.output for layer in model.layers[1:]] #储存每一层的输出
v_model=tf.keras.models.Model(inputs=model.input,outputs=s_outputs) #建立新的模型
for root,dirs,catsnam in os.walk(filepath+'/tmp/train/cats'):
used_up_variable=0
for root,dirs,dogsnam in os.walk(filepath+'/tmp/train/dogs'):
used_up_variable=0
catsnam=[filepath+'/tmp/train/cats/'+nam for nam in catsnam]
dogsnam=[filepath+'/tmp/train/dogs/'+nam for nam in dogsnam] #获取所有文件的绝对路径
img_path=random.choice(catsnam+dogsnam) #随机取一个图片
img=load_img(img_path,target_size=(150,150)) #以150*150加载图片
plt.imshow(img)
plt.show()
x=img_to_array(img)
x=x.reshape((1,)+x.shape) #变为(1,150,150,3)
x/=255.0 #归一化
maps=v_model.predict(x) #生成结果
ans=model.predict(x,batch_size=10) #预测结果
print(ans[0])
if ans[0]<0.5:
print('This is a cat.')
else:
print('This is a dog.')
layernams=[layer.name for layer in model.layers] #获取每一层的名字
for layernam,map in zip(layernams,maps):
if len(map.shape)==4: #输出Flatten之前的卷积层和池化层的图像
tunnel=map.shape[-1] #获取特征数
size=map.shape[1] #获取输出图像的边长
d_grid=np.zeros((size,size*tunnel)) #建立0矩阵，之后将输出图像放置在其中，有tunnel张图
for i in range(tunnel): #以下为图像美化处理，我也不知道什么原理
x=map[0,:,:,i]
x-=x.mean()
x=x/x.std()
x*=64
x+=128
x=np.clip(x,0,255).astype('uint8')
d_grid[:,i*size:(i+1)*size]=x #并入到矩阵中
scale=20.0/tunnel #总长：20
plt.figure(figsize=(scale*tunnel,scale)) #输出大小：20*something
plt.title(layernam)
plt.grid(False)
plt.gray()
plt.imshow(d_grid,aspect='auto',cmap='viridis') #见参考博客
plt.show()
得到结果：
<matplotlib.image.AxesImage at 0x1ae073faf10>
[8.4550436e-07] This is a cat.
<ipython-input-21-db08195e54f6>:22: RuntimeWarning: invalid value encountered in true_divide x=x/x.std()
标签：tmp,150,二十三,img,博客,nam,可视化,Tensorflow,model 来源： https://www.cnblogs.com/lunnyliu/p/15134052.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。