7_推測_keras
差分
この文書の現在のバージョンと選択したバージョンの差分を表示します。
| 両方とも前のリビジョン 前のリビジョン 次のリビジョン | 前のリビジョン | ||
|
7_推測_keras [2017/11/17] adash333 [1. モデルの学習] |
7_推測_keras [2018/10/07] (現在) |
||
|---|---|---|---|
| ライン 87: | ライン 87: | ||
| from PIL import Image | from PIL import Image | ||
| import matplotlib.pyplot as plt | import matplotlib.pyplot as plt | ||
| + | |||
| + | from keras.models import model_from_json | ||
| + | |||
| + | # load model and weight | ||
| + | model = model_from_json(open('apple_orange_model.json').read()) | ||
| + | model.load_weights('apple_orange_weights.h5') | ||
| filepath = "testSet/img_1.jpg" | filepath = "testSet/img_1.jpg" | ||
| ライン 105: | ライン 111: | ||
| 以下のような画面になります。 | 以下のような画面になります。 | ||
| + | {{:pasted:20171117-213239.png}} | ||
| + | {{:pasted:20171117-213300.png}} | ||
| + | ちゃんと、「2」と予測できたようです。 | ||
| + | |||
| + | 上記コードにはコメントで解説を書かせていただいておりますが、今回のポイントとしては、 | ||
| + | |||
| + | <code> | ||
| + | from keras.models import model_from_json | ||
| + | |||
| + | # load model and weight | ||
| + | model = model_from_json(open('apple_orange_model.json').read()) | ||
| + | model.load_weights('apple_orange_weights.h5') | ||
| + | </code> | ||
| + | の部分で、modelと、modelのweightを読み込んでいるところです。この２つの中身は、前回の<wrap hi>[[(6)学習結果の保存(Keras)]]</wrap>で保存した名前と一致させる必要があります。 | ||
| Kerasで推測の手順は上記でおしまいです。 | Kerasで推測の手順は上記でおしまいです。 | ||
| ライン 116: | ライン 136: | ||
| 次は、自前データでKerasで画像分類を行う方法の解説の例として、MNISTの画像データから、Keras用データセットの作成について説明したいと思います。ご興味のある方は、ぜひ、<wrap hi>[[Keras2用自前データの準備]]</wrap>へお進みください。 | 次は、自前データでKerasで画像分類を行う方法の解説の例として、MNISTの画像データから、Keras用データセットの作成について説明したいと思います。ご興味のある方は、ぜひ、<wrap hi>[[Keras2用自前データの準備]]</wrap>へお進みください。 | ||
| - | |||
| - | ===== accuracyとlossについて ===== | ||
| - | |||
| - | accuracy(全体正解率)予測測に対して答えがどのくらいあってたか | ||
| - | |||
| - | <code> | ||
| - | Accuracy=(TP+TN)/(TP+FP+TN+FN) | ||
| - | </code> | ||
| - | |||
| - | 詳細は以下のページが参考になります。 | ||
7_推測_keras.1510921798.txt.gz · 最終更新: 2018/10/07 (外部編集)
