Python→Transorflow猫狗识别完整代码，附送500步训练模型。人工智能入门首选

最好联系书本学习，input是输入文件，evaluateCatorDog是主文件，traning是训练文件，model模型文件

#-*- coding:utf-8 –*-
import tensorflow as tf 
from PIL import Image  
import matplotlib.pyplot as plt
import input_data 
import numpy as np
import model
import os 
  
#从训练集中选取一张图片 
def get_one_image（train）: 
    files = os.listdir（train）
    n = len（files）
    ind = np.random.randint（0n）
    img_dir = os.path.join（trainfiles[ind]）  
    image = Image.open（img_dir）  
    plt.imshow（image）
    plt.show（）
    image = image.resize（[208 208]）  
    image = np.array（image）
    return image  
  
  
def evaluate_one_image（）:  
    train = ‘train‘
  
    # 获取图片路径集和标签集
    image_array=get_one_image（train）
      
    with tf.Graph（）.as_default（）:  
        BATCH_SIZE = 1  # 因为只读取一副图片 所以batch 设置为1
        N_CLASSES = 2  # 2个输出神经元，［1，0］ 或者 ［0，1］猫和狗的概率
        # 转化图片格式
        image = tf.cast（image_array tf.float32）  
        # 图片标准化
        image = tf.image.per_image_standardization（image）
        # 图片原来是三维的 [208 208 3] 重新定义图片形状 改为一个4D  四维的 tensor
        image = tf.reshape（image [1 208 208 3]）  
        logit = model.inference（image BATCH_SIZE N_CLASSES）  
        # 因为 inference 的返回没有用激活函数，所以在这里对结果用softmax 激活
        logit = tf.nn.softmax（logit）  
        
        # 用最原始的输入数据的方式向模型输入数据 placeholder
        x = tf.placeholder（tf.float32 shape=[208 208 3]）  
        
        # you need to change the directories to yours.  
        logs_train_dir = ‘/Data/savemodel‘    
        # 定义saver 
        saver = tf.train.Saver（）  
          
        with tf.Session（） as sess:  
              
            print（“从指定的路径中加载模型。。。。“）
            # 将模型加载到sess 中 
            ckpt = tf.train.get_checkpoint_state（logs_train_dir）  
            if ckpt and ckpt.model_checkpoint_path:  
                global_step = ckpt.model_checkpoint_path.split（‘/‘）[-1].split（‘-‘）[-1]  
                saver.restore（sess ckpt.model_checkpoint_path）  
                print（‘模型加载成功 训练的步数为 %s‘ % global_step）  
            else:  
                print（‘模型加载失败，，，文件没有找到‘）  
            # 将图片输入到模型计算
            prediction = sess.run（logit feed_dict={x: image_array}）
            # 获取输出结果中最大概率的索引
            max_index = np.argmax（prediction）  
            if max_index==0:  
                print（‘猫的概率 %.6f‘ %prediction[: 0]）  
            else:  
                print（‘狗的概率 %.6f‘ %prediction[: 1]） 
# 测试
evaluate_one_image（）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        2839  2018-04-30 16:09  evaluateCatOrDog.py
     文件        1558  2018-05-03 14:42  input_data.cpython-36.pyc
     文件        2583  2018-04-09 15:09  input_data.py
     文件        2934  2018-05-03 14:42  model.cpython-36.pyc
     文件        5541  2018-04-09 15:09  model.py
     文件        2886  2018-05-02 17:08  training.py