始める無料で始める

入力画像の準備

元の ResNet50 モデルは、224 x 224 ピクセルの画像と、いくつかの前処理（すべての学習画像で学習用データセットの平均画素値を減算する、など）で学習されています。予測に使う画像にも同じ前処理を適用する必要があります。

単一の画像で予測する場合でも、モデルの入力形状に合わせる必要があります。このケースでは次のようになります： (batch-size, width, height, channels)。axis = 0 を指定した np.expand_dims は、バッチサイズ次元を追加し、1 枚の画像を predict に渡すことを表します。今回は 1 枚だけを予測するので、バッチサイズは 1 です。

これから、犬（名前は Ivy）の画像を ResNet50 で分類できる形式に整えるための前処理手順を実行していきます。

この演習はコースの一部です

Kerasで学ぶIntroduction to Deep Learning

コースを見る

演習の手順

  • tensorflow.keras.preprocessing から image、tensorflow.keras.applications.resnet50 から preprocess_input をインポートします。
  • モデルに合った target_size で画像を読み込みます。
  • image.img_to_array() を使って配列に変換します。
  • preprocess_input() を使って、元の ResNet50 の学習画像と同じ方法で img_expanded を前処理します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# Import image and preprocess_input
from tensorflow.keras.____ import ____
from tensorflow.keras.____.____ import ____

# Load the image with the right target size for your model
img = image.load_img(img_path, target_size=(____, ____))

# Turn it into an array
img_array = image.____(____)

# Expand the dimensions of the image, this is so that it fits the expected model input format
img_expanded = np.expand_dims(img_array, axis = 0)

# Pre-process the img in the same way original images were
img_ready = ____(____)
コードを編集して実行