快速实现任意单个图片的图像分类

如何快速实现一个图像的分类似乎听起来就特别酷，
作为刚刚接触深度学习的小萌新来说，快速实现一个图片分类可以极大增强自信心
首先假定你已经了解深度学习框架caffe，tensorflow，pytorch，keras及其配置方法
1.安装pycharm,配置anaconda及tensorflow，keras
2.花几分钟阅读keras中文文档
3.打开pycharm

点击setting

点击右上角“+”

搜索keras并且Install Package
4第四步：使用 ResNet50 进行 ImageNet 分类

from keras.applications.resnet50 import ResNet50
from keras.preprocessing import image
from keras.applications.resnet50 import preprocess_input, decode_predictions
import numpy as np

model = ResNet50(weights='imagenet')

img_path = 'girl.jpg'#记得修改路径和自己的图片名字
img = image.load_img(img_path, target_size=(224, 224))#图片大小可以是任意的224*224*3的jpg格式图片
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = preprocess_input(x)

preds = model.predict(x)
# 将结果解码为元组列表 (class, description, probability)
# (一个列表代表批次中的一个样本）
print('Predicted:', decode_predictions(preds, top=3)[0])
# Predicted: [(u'n02504013', u'Indian_elephant', 0.82658225), (u'n01871265', u'tusker', 0.1122357), (u'n02504458', u'African_elephant', 0.061040461)]

5.点击运行，可以看到你输入的图片的最可能属于的3个类别，比如我输入的图片是girl.gpg


输出结果为trench_coat（编号为n04479046）的概率为0.7147956
‘hoopskirt’, 编号为(‘n03534580’）的概率为0.031323828)
‘gown’(‘n03450230’）的概率为 0.025122209)]
5.配置好运行环境后，整个过程不会超过5分钟，可以让你初步了解到图片分类的大概流程