如何使用Tensorflow下载单张图像以便使用Python测试模型？

Tensorflow可以使用“get_file”方法下载单个图像以便使用该图像来测试模型。一个Google API中包含了一张单独的图片，可以将其作为参数传递给“get_file”方法来在当前环境中下载数据集。

更多Python相关文章，请阅读：Python 教程

至少包含一个图层的神经网络被称为卷积层。我们可以使用卷积神经网络来构建学习模型。

我们使用Google Colaboratory来运行下面的代码。Google Colab或Colaboratory可以在浏览器上运行Python代码，不需要配置，可以免费访问GPU（图形处理单元）。Colaboratory是基于Jupyter Notebook构建的。

图像分类的传递学习背后的直觉是，如果模型在一个大型的、通用的数据集上进行了训练，那么这个模型可以被用作视觉世界的通用模型。它将学习特征映射，这意味着用户无需从头开始训练大型数据集上的大型模型。

TensorFlow Hub是一个包含预训练的TensorFlow模型的存储库。

我们将了解如何使用来自TensorFlow Hub的模型与tf.keras一起使用，使用来自TensorFlow Hub的图像分类模型。完成后，可以执行传递学习，以微调定制的图像类的模型。这是通过使用预训练的分类器模型来获取图像并预测它是什么来完成的。这可以在不需要任何训练的情况下完成。

例子

print("在单个图像上运行它")
grace_hopper = tf.keras.utils.get_file('image.jpg','https://storage.googleapis.com/download.tensorflow.org/example_images/grace_hopper.jpg')
grace_hopper = Image.open(grace_hopper).resize(IMAGE_SHAPE)
grace_hopper

代码来源 – https://www.tensorflow.org/tutorials/images/transfer_learning_with_hub

输出

在单个图像上运行它
从https://storage.googleapis.com/download.tensorflow.org/example_images/grace_hopper.jpg下载数据
65536/61306 [================================] - 0s 0us/step

解释

• 下载数据。
• 对一个单独的图像运行预训练模型。
• 在控制台上可视化数据。