识别花卉最好的软件下载,识别花的软件哪个最准

　　代码：

　　#!/usr/bin/env python #-*-编码：utf-8-*-# @时间：2020/3/7 15:40 # @作者：Shark # @站点：# @文件：flower _ image _ test。py # @ Software:py charm from _ _ future _ _ import absolute _ import，division，print_function，unicode _ literals导入警告警告。过滤警告(忽略)#导入模块导入glob导入OSI导入cv2导入张量流作为TF导入numpy作为NP导入matplotlib。py绘图为来自sk learn的PLT。从张量流导入训练测试分割。python。keras导入层，优化器，从张量流顺序导入h5py #。compat。v1从张量流导入配置协议号。compat。v1导入交互会话# # config=config proto()# config。GPU _选项。allow _ growth=True # session=interactive session(config=config)# # jpg ):# print( image path: im img=cv2。im read(im)img=cv2。resize(img，(w，h))# print(img)imgs。附加(img)标签。append(idx)返回NP。as数组(imgs，np.float32)，np.asarray(labels，np.int32)数据，labels=read_image()print(data的维度：，data.shape)打印(标签的维度：，标签。形状)种子=785 NP。随机的。seed(种子)(x _ train，x_val，y_train，y_val)=train_test_split(data，labels，test_size=0.20，random _ state=seed)x _ train=x _ train/255 x _ val=x _ val/255 # print(x _ train[0])# dasiy:雏菊蒲公英：蒲公英玫瑰：玫瑰花向日葵：向日葵图普里斯：郁金香flower_dict={0:dasiy ，1:蒲公英,2:玫瑰,3:向日葵，4: tuplis }模型=顺序([层.Conv2D(32，kernel_size=[5，5]，padding=same ，activation=tf.nn.relu)，layers .MaxPool2D(pool_size=[2，2]，strides=2，padding=same )，层。辍学(0.25),层Conv2D(64，kernel_size=[3，3]，padding=same ，activation=tf.nn.relu)，layers .Conv2D(64，kernel_size=[3，3]，padding=same ，activation=tf.nn.relu)，layers .MaxPool2D(pool_size=[2，2]，strides=2，padding=same )，层。辍学(0.25),层Conv2D(128，kernel_size=[3，3]，padding=same ，activation=tf.nn.relu)，layers .MaxPool2D(pool_size=[2，2]，strides=2，padding=same )，层。辍学(0.25),层。展平(),图层。密集(512，activation=tf.nn.relu)，层。密集(256，activation=tf.nn.relu)，层。密集(5,激活朴素的草丛，])op=优化器。现代的火龙果(lr=0.0001)模型。编译(optimizer=op，metrics=[accuracy]，loss= sparse _ category _ cross entropy )模型。fit(x _ train，y_train，batch_size=200，epochs=20，validation_data=(x_val，y_val)，verbose=2)模型。summary()#模型。保存( D:/软件/华为/model 6。H5 )# test _ path= D:/software/Huawei/test _ photos/ test _ path= jpg ):print(img)image _ name。追加(img)img=cv2。imread(img)img=cv2。resize(img，(w，h))img 2。追加(img)img 2=NP。as array(img 2，np.float32)print(测试集的大小：，img 2。形状)预测=模型。范围(NP)中I的predict _ classes(img 2)。size(predict)):print(image _ name[I])print(第，(i 1)，张图片的预测结果： ，flower _ dict[predict[I]])img=PLT。im read(image _ name[I])PLT。im显示(img)PLT。显示()

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。