#coding=utf-8 import tensorflow as tf from PIL import Image import matplotlib.pyplot as pltimport input_data import numpy as npimport modelimport os #從指定目錄中選取一張圖片 def get_one_image(train):   files = os.listdir(train)  n = len(files)  ind = np.random.randint(0,n)  img_dir = os.path.join(train,files[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():  #存放的是我從百度下載的貓狗圖片路徑  train = '/Users/yangyibo/GitWork/pythonLean/AI/貓狗識(shí)別/testImg/'   image_array = get_one_image(train)   with tf.Graph().as_default():     BATCH_SIZE = 1 # 因?yàn)橹蛔x取一副圖片 所以batch 設(shè)置為1    N_CLASSES = 2 # 2個(gè)輸出神經(jīng)元，［1，0］ 或者 ［0，1］貓和狗的概率    # 轉(zhuǎn)化圖片格式    image = tf.cast(image_array, tf.float32)     # 圖片標(biāo)準(zhǔn)化    image = tf.image.per_image_standardization(image)    # 圖片原來(lái)是三維的 [208, 208, 3] 重新定義圖片形狀 改為一個(gè)4D 四維的 tensor    image = tf.reshape(image, [1, 208, 208, 3])     logit = model.inference(image, BATCH_SIZE, N_CLASSES)     # 因?yàn)?inference 的返回沒有用激活函數(shù)，所以在這里對(duì)結(jié)果用softmax 激活    logit = tf.nn.softmax(logit)     # 用最原始的輸入數(shù)據(jù)的方式向模型輸入數(shù)據(jù) placeholder    x = tf.placeholder(tf.float32, shape=[208, 208, 3])     # 我門存放模型的路徑    logs_train_dir = '/Users/yangyibo/GitWork/pythonLean/AI/貓狗識(shí)別/saveNet/'      # 定義saver     saver = tf.train.Saver()     with tf.Session() as sess:       print("從指定的路徑中加載模型。。。。")      # 將模型加載到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('模型加載成功, 訓(xùn)練的步數(shù)為 %s' % global_step)       else:         print('模型加載失敗，，，文件沒有找到')       # 將圖片輸入到模型計(jì)算      prediction = sess.run(logit, feed_dict={x: image_array})      # 獲取輸出結(jié)果中最大概率的索引      max_index = np.argmax(prediction)       if max_index==0:         print('貓的概率 %.6f' %prediction[:, 0])       else:         print('狗的概率 %.6f' %prediction[:, 1]) # 測(cè)試evaluate_one_image()