1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Úvod do hlubokého učení s Keras
Connected

Cvičení

Příprava vstupního obrázku

Původní model ResNet50 byl trénovaný na obrázcích o velikosti 224 × 224 pixelů a zahrnoval řadu předzpracovávacích kroků – například odečtení průměrné hodnoty pixelu trénovací sady od všech trénovacích obrázků. Obrázky, na kterých chceš provádět predikce, musíš předzpracovat stejným způsobem.

Při predikci na jediném obrázku je potřeba, aby odpovídal vstupnímu tvaru modelu, který v tomto případě vypadá takto: (batch-size, width, height, channels). Funkce np.expand_dims s parametrem axis = 0 přidá dimenzi batch-size, která říká, že modelu bude předán jediný obrázek. Hodnota této dimenze je 1, protože predikujeme pouze pro jeden obrázek.

Nyní projdeš těmito předzpracovávacími kroky a připravíš obrázek psa jménem Ivy tak, aby ho bylo možné klasifikovat pomocí ResNet50.

Pokyny

100 XP
  • Importuj image z tensorflow.keras.preprocessing a preprocess_input z tensorflow.keras.applications.resnet50.
  • Načti obrázek se správnou hodnotou target_size pro tvůj model.
  • Převeď ho na pole pomocí image.img_to_array().
  • Předzpracuj img_expanded stejným způsobem, jakým byly zpracovány původní trénovací obrázky ResNet50, pomocí funkce preprocess_input().