共计 583 个字符，预计需要花费 2 分钟才能阅读完成。
作者 | 周伟能
来源 | 小叮当讲 SAS 和 Python
Python 在机器学习（人工智能，AI）方面有着很大的优势。谈到人工智能，一般也会谈到其实现的语言 Python。前面有几讲也是关于机器学习在图像识别中的应用。今天再来讲一个关于运用 google 的深度学习框架 tensorflow 和 keras 进行训练深度神经网络，并对未知图像进行预测。
导入 python 模块
导入图像数据
合并列表数据
将图片数据转化为数组
显示一张图片
训练神经网络
我们可以看到测试集的准确率达到 99.67%
预测一个图像
预测为汽车的概率为 100%。（括号内为真实标签）
预测为美女的概率为 100%。（括号内为真实标签）
测试集中前 15 个图像预测完全正确。Nice!
最后我们来识别单张图片。
结果预测为汽车。Nice!
最后来预测一下外部随便下载的汽车或美女图片
预测为汽车，不错！
小编这里有 10 张图片，前 5 张为汽车图片，后五张为美女图片。
下面进行批量预测：
结果也是完全正确。
看到这里，感觉神经网络是不是很神奇，要想让神经网络预测得准确，我们就必须给予大量的数据进行训练模型，优化模型，以至于达到准确识别图像的目的，图像识别作为人工智能的一部分，现在已经慢慢走向成熟，虽然机器也有出错的时候，但是进过不断优化，错误率将会越来越小，相信机器智能或者人工智能时代能够创造出更多智能而美好的东西。为社会，为人类的自由做出更大的贡献。
正文完
