Tensorflow 衣物圖像分類 (四)

輔助閱讀: Basic classification: Classify images of clothing

在上一篇我們介紹了建立模組、編譯模組、訓練模組、輸入模組及評估準確度的各項步驟，接著就到了我們模組預測的階段!

製作預測

當模組訓練好後，可以使用這個模組去預測一些圖片。模組的線性輸出”logits”，附加一個softmax層以將logit轉換為概率。

這個模組已經預測了標籤給每個訓練圖片。

一個預測為10個數字的陣列，他代表模組對於每個圖片對應於十種不同分類的”自信程度”，你可以看到最高的自信程度值。

將圖片畫出來看10個分類的預測。

驗證預測

當模組訓練好後，你可以使用他去預測某些圖片
查看第零張圖片，預測和預測陣列。正確的預測標籤為藍色，不正確的預測標籤為紅色。數字給出了預測標籤的百分比(滿分為一百)

使用訓練好的模組

最後，使用預測模組去預測單張圖片

Keras模組經過優化後可以立刻對一批貨一組例子進行預測。因此即使你使用單張圖片。依舊得將圖片放置於list中

現在可以為圖片預測正確的標籤。

Predict 回傳一個列表包含多個列表。一個列表代表在批量中的一張圖片。在批量中抓取剛剛圖片的預測。