使用训练好的模型进行预测

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# Author: Yyb
# @Time: 2018/12/29 14:51

from paddle import fluid
import paddle
import numpy as np
import struct

from skimage import io transform
import time
import os
import shutil
from PIL import Image
# 创建执行器
place = fluid.CPUPlace（）
exe = fluid.Executor（place）
exe.run（fluid.default_startup_program（））

# 保存预测模型路径
save_path = ‘models/infer_model/‘
# 从模型中获取预测程序、输入数据名称列表、分类器
[infer_program feeded_var_names target_var] = fluid.io.load_inference_model（dirname=save_path executor=exe）


def load_image（file）:
    image = io.imread（file as_gray=True）  # 直接读取的数据是高、宽、通道格式的
    image_shape = image.shape
    image = transform.resize（image （28 28））  # 缩放是有损的
    image = np.array（image）.astype（np.float32）
    # print（image）
    return image.reshape（1 1 28 28）  # 预测的shape是（batch数，通道数，宽度，高度）

# 加载数据并开始预测
img = load_image（r‘D:\always_use\data_shopper\digits_picture\infer_3.png‘）
# 读取单张图片进行预测
results = exe.run（program=infer_program
                  feed={feeded_var_names[0]: img}
                  fetch_list=target_var）
# 获取概率最大的标签
lab = np.argsort（results）[0][0]
for i in lab:
    print（‘预测结果为：{}， 概率为：{}‘.format（i results[0][0][i]））
lab_1 = np.argsort（results）[0][0][-1]
print（‘预测结果为：{}，实际值为：3， 概率为：{}‘.format（lab_1 results[0][0][lab_1]））
print（‘***************‘）
# 获取mnist数据进行预测
def reader_mnist_test（data_path n_start n_end）:  # mnist测试集的读取器
    # 读取mnist测试集标签
    def decode_idx1_ubyte（idx1_ubyte_file）:
        with open（idx1_ubyte_file ‘rb‘） as