,可以通过以下步骤实现:
from keras.models import load_model
from keras.preprocessing import image
import numpy as np
model = load_model('path_to_model.h5')
这里的path_to_model.h5
是预训练模型的路径。
img = image.load_img('path_to_image.jpg', target_size=(224, 224))
这里的path_to_image.jpg
是待预测图像的路径,target_size
指定了图像的尺寸。
img = image.img_to_array(img)
img = np.expand_dims(img, axis=0)
img = img/255 # 归一化
pred = model.predict(img)
class_names = ['class1', 'class2', 'class3'] # 类别名称列表
pred_percentages = pred[0] * 100 # 将预测结果转换为百分比
for i in range(len(class_names)):
print(f'{class_names[i]}: {pred_percentages[i]:.2f}%')
这里的class_names
是模型的类别名称列表,pred_percentages
是预测结果的百分比。
以上步骤中,需要注意替换path_to_model.h5
和path_to_image.jpg
为实际的模型和图像路径,以及根据实际情况修改类别名称列表class_names
。
推荐的腾讯云相关产品:腾讯云AI智能图像识别(https://cloud.tencent.com/product/ai_image)提供了丰富的图像识别能力,可用于构建基于图像的人工智能应用。
领取专属 10元无门槛券
手把手带您无忧上云