如何将jpg图像加载到3d rgb numpy数组

Question

我制作了一个tensorflow模型，并使用型号.fit\u发电机方法。但是我知道我想在一个图像上使用它，并且没有任何方法可以实现这一点，所以我决定通过将jpg图像转换为3d rgb numpy数组来使用numpy数组。你会怎么做？你知道吗

model = Sequential()
model.add(Convolution2D(32, 3, 3, input_shape=(img_width, img_height,3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Convolution2D(32, 3, 3))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Convolution2D(64, 3, 3))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Flatten())
model.add(Dense(64))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(1))
model.add(Activation('sigmoid'))

model.compile(loss='binary_crossentropy',
          optimizer='rmsprop',
          metrics=['accuracy'])


nb_epoch = 1
nb_train_samples = 2048
nb_validation_samples = 832

#model.fit_generator(
#    train_generator,
#    samples_per_epoch=nb_train_samples,
#   nb_epoch=nb_epoch,
#   validation_data=validation_generator,   
#  nb_val_samples=nb_validation_samples)

Answer 1

尝试使用PIL（pip安装枕头）：

from PIL import Image 
import numpy as np
im = Image.open("test.jpg")
im = np.array(im,dtype=np.float32)

然后预测：

#Assuming batch size of 1 and data is normalised
y = model.predict(np.expand_dims(im/255,0))