sieci.md

sieci.md

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