如何以keras图像为例预测OCR结果？

Question

Keras OCR示例演示了一个非常简单的OCR系统，该系统使用堆叠的CNN和RNN开发。但是在训练之后如何使用训练的模型来预测结果呢？Link for image_ocr

Answer 1

使用model.fit()函数拟合模型后：

model.fit(X_training_data,Y_training_data,...)

您可以使用model.evaluate()评估模型，如下所示：

^{pr2}$

如果要保存模型：

model.save('my_nn.hdf5')

请注意，将X和y数据拆分为训练和测试数据集的最简单方法就是获取前N个观测值，并将这些作为测试数据集，其余的作为测试数据集。有时测试和培训集会为您拆分，例如NIST's optical digit recognition data set：

testing_df = pd.read_csv('data/optdigits/optdigits.tes',header=None)
X_testing,  y_testing  = testing_df.loc[:,0:63],  testing_df.loc[:,64]

training_df = pd.read_csv('data/optdigits/optdigits.tra',header=None)
X_training, y_training = training_df.loc[:,0:63], training_df.loc[:,64]

这个例子将测试和训练集分成（a）一个64元素向量[:,0:63]，其中包含该数字的灰度图像的64个像素，以及（b）一个包含图像所代表的数字的1元素向量[:,64]。在