如何从 Keras 的已保存 model 生成精度？

Question

我已经在.h5 中训练了我的 Keras model。 我的 model 使用 6 个类，它能够使用图像对所有类进行分类。 model 能够以 output 的名称 class 成功分类。 但是，我想在使用用户输入的图像测试 model 时产生准确性。 我已经到处搜索，但仍然没有解决这个问题。

model = load_model('prototype-tl2-80-20.h5')
classes = { 1:'Kacip Fatimah',
        2:'Mempisang',
        3:'Misai Adam',
        4:'Pandan Serapat',
        5:'Tapak Sulaiman',
        6:'Tongkat Ali'}

image = Image.open(file_path)
image = image.resize((224,224))
image = numpy.expand_dims(image, axis=0)
image = numpy.array(image)
pred = model.predict_classes([image])[0]    
sign = classes[pred+1]
print(sign)

Answer 1

要使用经过训练的 model 预测图像，您必须小心确保图像的处理与训练图像的处理完全相同。 图像应与训练图像的大小（高度、宽度）相同，并且具有相同数量的色带，例如“rgb”或“灰度”。 确保色带的顺序与训练中使用的顺序相同。 接下来，您必须对图像应用相同的预处理。 例如，如果您的训练图像被缩放到 0 和 1 之间，那么您需要使用 image=image/255 重新缩放测试图像。 之后比做

pred = model.predict(image) 
index=np.argmax(pred)
class=classes[index]
print (index, class)