from tensorflow.keras.applications.resnet50 import ResNet50
from tensorflow.keras.applications.imagenet_utils import decode_predictions,preprocess_input
from tensorflow.keras.preprocessing.image import img_to_array,load_img
import matplotlib.pyplot as plt
import os
import numpy as np
# 图片大小
image_size = 224
# 存放测试图片的文件夹
image_dir = 'test'
/*
开发不易，整理也不易，如需要详细的说明文档和程序，以及完整的数据集，训练好的模型，或者进一步开发，
可加作者新联系方式咨询，WX：Q3101759565，QQ：3101759565
*/
plt.imshow(img)
plt.axis('off')
plt.show()
x = img_to_array(img)
# # (224, 224, 3)->(1, 224, 224, 3)
x = np.expand_dims(x, axis=0)
# 归一化为(-1,1)
x = preprocess_input(x)
# resnet50.predict
# (1, 1000),1000 个概率值
preds = resnet50.predict(x)
# 将测试结果解码为如下形式：
# [(编码 1, 英文名称 1, 概率 1),(编码 2, 英文名称 2, 概率 2)...]
predicted_classes = decode_predictions(preds, top=1)
imagenet_id, name, confidence = predicted_classes[0][0]
print("This is a {} with {:.4}% confidence!".format(name, confidence * 100))
