抓斗张力流量预测精度
model = tf.keras.models.load_model(".\\models\\dogandcat")
prediction = model.predict([prepare(pic)])
if CATEGORIES[int(prediction[0][0])] == 'Dog':
print('Dog')
这是我当前抓取图像类型的代码。一旦它检测到了狗，我会试着让它看到检测的准确性。希望这有道理？
共有1个答案
如果由
我想让它知道探测有多准确。
您指的是模型给出的“dog”类型图像的概率，那么您应该只需要获取logits并查看dog的索引（这可以从您的CATEGORIES变量中推断出来）。
logit是模型最后一个softmax层的输出。
-
我基本上是希望通过pyinstaller来准备我的模型。并且由于打包tensorflow导致最终的可执行文件大小约为500mbs。我求助于使用tensorflow lite。 现在的问题是，当我将模型转换为tflite（量化或非量化）时，它会为我输入的任何图像提供以下输出。 以下是我的模型转换代码 下面是测试tflite模型的代码。 keras模型的输出 数组（[[0.9934516]]，dtyp
-
我试图在张量流图中使用条件随机场损失。 我正在执行序列标记任务： 我有一系列元素作为输入。每个元素可以属于三个不同类中的一个。类以一种热编码方式表示：属于类0的元素由向量[表示。 我的输入标签（y）有大小（xx）。 我的网络产生相同形状的日志。 假设我所有的序列都有长度4。 这是我的代码： 我得到以下错误： 文件“/usr/local/lib/python2.7/dist-packages/ten
-
我下面的代码产生了常规的tensorflow模型，但当我试图将其转换为tensorflow lite时，它不起作用，我遵循了以下文档。 https://www.tensorflow.org/tutorials/estimator/linear1 https://www.tensorflow.org/lite/guide/get_started 错误信息 文档摘录 TensorFlow Lite转换
-
我有这个代码，用于使用tenorflow hub的预训练通用编码器构建语义搜索引擎。我无法转换为tlite。我已将模型保存到我的目录中。 导入模型： 根据数据训练模型: 保存模型: 保存工作正常，但当我转换到tflite它给出错误。 转换码： 错误:
-
问题内容： 我有一个使用Keras和Tensorflow作为后端训练的模型，但是现在我需要将我的模型转换为特定应用程序的张量流图。我尝试执行此操作并进行了预测以确保其正常工作，但是与从model.predict（）收集的结果进行比较时，我得到了非常不同的值。例如： 返回： keras预测的值是正确的，但tf图的结果却不正确。 如果它有助于了解最终的预期应用程序，那么我将使用tf.gradients
-
这里是一个初学者，你会看到:)我试图将我的keras (.h5)训练模型转换为TensorFlow Lite格式，但我有以下错误； 属性错误： 类型对象 “TFLite转换器” 没有属性 “from_keras_model”