s444360/SI_2020
1
0
Fork 0
Code Issues Pull Requests Releases Wiki Activity

sieci.md

Browse Source
This commit is contained in:
Daria Vodzinska 2020-06-15 01:40:37 +00:00
parent 0b6b08f7ae
commit ec0d6b9aa0
1 changed files with 85 additions and 89 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

30
sieci.md
View File

@ -5,7 +5,7 @@ Stworzenie sieci neuronowej, która rozpoznaje odręcznie napisaną na paczce l
## Dane wejściowe: ## Dane wejściowe:
### Pakiet Keras MNIST: ### Pakiet Keras MNIST:
- dwa pliki: - dwa pliki:
- Plik z obrazkami - Plik z obrazkami
- Plik z poprawnymi odpowiedziami - Plik z poprawnymi odpowiedziami
### Format obrazków: ### Format obrazków:
- rozmiar 28x28 - rozmiar 28x28
@ -63,26 +63,22 @@ trenuję model za pomocą funkcji fit()
# Integracja z projektem # Integracja z projektem
Tworzę model i ładuję wagi nauczonego modelu. Tworzę model i ładuję wagi nauczonego modelu.
image_cl = Sequential() nmodel = Sequential()
ImageClass(image_cl) imageClass(nmodel)
image_cl.load_weights('model_weights.h5') nmodel.load_weights('model_weights.h5')
Po podniesieniu paczki odpalana jest funkcja imgSkan(), która z czytuje ręcznie napisaną cyfrę i wpisuje nr producenta paczki. Po podniesieniu paczki odpalana jest funkcja imgSkan(), która z czytuje ręcznie napisaną cyfrę i wpisuje nr producenta paczki.
def imgSkan(): def imgSkan():
img = files.upload() img_width, img_height = 28, 28
!ls new_image = load_img('cyfra.png', target_size=(img_width, img_height), color_mode = "grayscale")
img_path = '2.png' new_image = img_to_array(new_image)
img = image.load_img(img_path, target_size=(28, 28), color_mode = "grayscale") new_image = new_image.reshape((1,) + new_image.shape)
plt.imshow(img.convert('RGBA'))
plt.show() prediction = nmodel.predict(new_image)
x = image.img_to_array(img) prediction = numpy.argmax(prediction)
x = np.expand_dims(x, axis=0) print("Producent:", prediction)
x = 255 - x producent.append(prediction)
x /= 255
prediction = model.predict(x)
prediction = np.argmax(prediction)
print("Cyfra:", prediction)