我就废话不多说了，直接上代码吧！

成都创新互联公司-专业网站定制、快速模板网站建设、高性价比轵城网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式轵城网站制作公司更省心,省钱,快速模板网站建设找我们，业务覆盖轵城地区。费用合理售后完善，10余年实体公司更值得信赖。

import matplotlib
matplotlib.use('Agg')
import os
from keras.models import load_model
import numpy as np
from PIL import Image
import cv2
#加载模型h6文件
model = load_model("C:\\python\\python3_projects\\cat_dog\\cats_dogs_fifty_thousand.h6")
model.summary()
#规范化图片大小和像素值
def get_inputs(src=[]):
  pre_x = []
  for s in src:
    input = cv2.imread(s)
    input = cv2.resize(input, (150, 150))
    input = cv2.cvtColor(input, cv2.COLOR_BGR2RGB)
    pre_x.append(input) # input一张图片
  pre_x = np.array(pre_x) / 255.0
  return pre_x
#要预测的图片保存在这里
predict_dir = 'C:\python\python3_projects\cat_dog\pics'
#这个路径下有两个文件，分别是cat和dog
test = os.listdir(predict_dir)
#打印后：['cat', 'dog']
print(test)
#新建一个列表保存预测图片的地址
images = []
#获取每张图片的地址，并保存在列表images中
for testpath in test:
  for fn in os.listdir(os.path.join(predict_dir, testpath)):
    if fn.endswith('jpg'):
      fd = os.path.join(predict_dir, testpath, fn)
      print(fd)
      images.append(fd)
#调用函数，规范化图片
pre_x = get_inputs(images)
#预测
pre_y = model.predict(pre_x)
print(pre_y)

本文标题：利用keras加载训练好的.H5文件,并实现预测图片-创新互联
文章转载：http://kswsj.cn/article/psidj.html