Încărcarea modelului instruit cu Keras pentru a clasifica Mnist

Deeva Tutorial de învățare cu Keras pentru a încărca un model instruit cu baza de date MnIST.

Codul complet al acestui post este disponibil în cartea JUPYTER

Introducere

în tutorialul anterior Am instruit o rețea neuronală cu Keras pentru a clasifica baza de date MNIST.
in Acest tutorial vom învăța cum să încărcați un model și să efectuați clasificări fără a fi nevoie să efectuați întregul proces de instruire.

Importul de biblioteci

from keras.models import load_modelimport matplotlib.pyplot as pltimport numpy as npimport tensorflow as tfimport mathfrom random import sample

Descărcați baza de date MnIST

Deși modelul este deja instruit, nu stochează setul de date de testare sau de formare, prin urmare, este necesar să se descarce ei din nou.

# Para descargar la base de datos MNISTimport tensorflow as tfold_v = tf.logging.get_verbosity()tf.logging.set_verbosity(tf.logging.ERROR)from tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets("data/MNIST/", one_hot=True)

DATE / MNIST / TRAIN-LA BELS-IDX1-Ubyte.GzexTracting Data / Mnist / T10K-Images-IDX3-Ubyte.Gzextracting Data / MNNT / T10K-etichete-idx1-ubyte.gz

Salvați datele MNNT în diferite variabile

# Guardar las imagenes y etiquetas de entrenoimages_train = mnist.train.imageslabels_train = mnist.train.labels# Guardar las imagenes y etiquetas de testimages_test = mnist.test.imageslabels_test = mnist.test.labelsimg_shape = (28, 28)

Importul modelului instruit

Modelul instruit în tutorialul anterior are el a fost numit model.Keras. Este necesar să includeți calea completă a modelului care urmează să fie încărcat corect.
Modelul conține structura rețelei neuronale, setul de matricele de greutate instruite. Apoi, calea este inclusă în model și încărcată.

Dacă nu ați instruit rețeaua neuronală a tutorialului anterior și a salvat modelul, nu este posibil să îl încărcați în acest tutorial.

<

Afișarea structurii modelului

Odată ce modelul este încărcat, este Nu este necesar să se definească toată structura stratului este deja gata să efectueze clasificări.
Rezumatul modelului este prezentat mai jos:

iv id = „A431C1F62F”

Predicție cu modelul încărcat

y_pred2 = new_model.predict(x=images_test)# Obtencion de las etiquetas predichascls_pred2 = np.argmax(y_pred2,axis=1)

Verificare de precizie a modelului manual

iv id = „dd6e2217a2”

Precizie: 0.9771%

Funcția auxiliară Pentru a complot imaginile

Următoarea funcție este utilizată pentru a complota 9 exemple ale bazei de date MNIST și indicați ce este tratat un număr. În cazul în care ați prezis rețeaua se va complica imaginile prevăzute corect cu un cadru verde și conflictul rău cu un dreptunghi roșu.

iv id = „64C71b9c5d”

Afișați câteva exemple prezise

iv id = „b80f39075c”

PNG

de către Pedro Fernando împrejurimi Perez / GitHub

Lasă un răspuns

Adresa ta de email nu va fi publicată. Câmpurile obligatorii sunt marcate cu *