Keras OCR 示例演示了一个使用堆叠式 CNN 和 RNN 开发的非常简单的 OCR 系统。但是在训练之后如何使用训练好的模型来预测结果呢? Link for image_ocr
请您参考如下方法:
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() 评估您的模型,如下所示:
model.evaluate(X_test, y_test, verbose=0)
如果你想保存你的模型:
model.save('my_nn.hdf5')
请注意,将 X 和 y 数据拆分为训练数据集和测试数据集的最简单方法是获取前 N 个观察值,将它们作为测试数据集,将其余部分作为测试数据集。有时测试和训练集会为您分开,就像 NIST's optical digit recognition data set 的情况一样:
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]
此示例将测试集和训练集拆分为 (a) 包含数字灰度图像的 64 像素的 64 元素向量 [:,0:63],以及 (b)一个 1 元素向量 [:,64] 包含图像代表的数字。
