7_推測_keras

差分

このページの2つのバージョン間の差分を表示します。

この比較画面へのリンク

--- 7_推測_keras [2017/11/17] – [1. モデルの学習] adash333
+++ 7_推測_keras [2017/11/17] – [accuracyとlossについて] adash333
@@ 行 87: / 行 87: @@
 from PIL import Image
 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"
@@ 行 105: / 行 111: @@
 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。
@@ 行 116: / 行 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。
-===== 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.txt · 最終更新: 2018/10/07 by 127.0.0.1