文章作者：Tyan
博客：noahsnail.com | CSDN | 简书
本文主要介绍Keras的一些基本用法，主要是根据已有模型预测图像的类别，以ResNet50为例。
- Demo
import numpy as np
from keras.layers import Dense
from keras.models import Model
from keras.preprocessing import image
from keras.applications.resnet50 import ResNet50
# 使用ResNet的结构，不包括最后一层
base_model = ResNet50(include_top = False, pooling = 'avg')
# 定义网络结构最后一层
predictions = Dense(3, activation='softmax')(base_model.output)
# 定义模型
model = Model(inputs=base_model.input, outputs=predictions)
# 加载训练好的模型
model.load_weights('./weights.h5')
image_path = './lena.jpg'
# 加载图像
img = image.load_img(image_path, target_size=(224, 224))
# 图像预处理
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = preprocess_input(x)
# 对图像进行分类
preds = model.predict(x)
# 输出预测概率
print 'Predicted:', preds
