[英]How do I classify photos with Teachable Machine and Tensorflow.js?
[英]How to classify image using custom model in tensorflow.js?
构建和训练模型的脚本如下所示:
const model = tf.sequential();
model.add(tf.layers.conv2d({
inputShape: [160, 200, 3],
filters: 32,
kernelSize: 3,
activation: 'relu',
}));
model.add(tf.layers.flatten());
model.add(tf.layers.dense({units: labels.length, activation: 'softmax'}));
model.compile({
optimizer: 'sgd',
loss: 'categoricalCrossentropy',
metrics: ['accuracy']
});
const info = await model.fitDataset(ds, {epochs: 5});
console.log('Accuracy:', info.history.acc);
console.log('Saving...');
await model.save('file://' + MODEL_PATH);
console.log('Saved model');
ds
由图像和标签组成。 对于 100 张图像,我得到以下结果:
4478ms 135692us/step - acc=0.109 loss=14.37
它产生了一个 20 MB 的 weights.bin 文件......
坦率地说,我不知道这是否好,因为我不知道如何使用它对新图像进行分类。
我知道如何加载模型:
const model = await tf.loadLayersModel('file://' + MODEL_PATH + '/model.json');
但就是这样。
mobilenet 有一个.classify
方法,我可以只传递一个图像并输出预测的标签。 但这在模型对象上不可用.. 那么我该如何进行呢?
训练模型后,要对新图像进行分类,将使用predict
方法。 它将返回给定输入图像的每个标签的概率。
output = model.predict(image) // It can be a tensor of one image or a batch of many
// output is a tensor that contain the probability for each label
images.argMax([-1]) // contain the label of high probability for each input
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.