ML(머신러닝) 실습 : 티처블 머신(teachable machine) 으로 food 예측 하기

 

# 이번엔 티처블 머신을 이용해서 총 11개의 클래스를 생성해서 11종류의 음식사진을 학습시켜서 모델로 다운로드 진행

# 티처블 머신을 가지고 학습시키는 방법은 라이브러리글 참고

# 참고 : https://sorktjrrb.tistory.com/76

ML(머신러닝) : 구글 티처블 머신(Teachable Machine) 시작 하기

 

# 11종류의 음식 사진들을 종류별로 학습시킴

 

# 학습 완료된 모델 다운로드

 

# 동일하게 코드를 복사해와서 주피터 노트북에서 실행

from keras.models import load_model  # TensorFlow is required for Keras to work

from PIL import Image, ImageOps  # Install pillow instead of PIL

import numpy as np

# Disable scientific notation for clarity

np.set_printoptions(suppress=True)

# 다운받은 모델과, 라벨 읽어오기

# Load the model

model = load_model("keras_model.h5", compile=False)

# Load the labels

class_names = open("labels.txt", "r").readlines()

# Create the array of the right shape to feed into the keras model

# The 'length' or number of images you can put into the array is

# determined by the first position in the shape tuple, in this case 1

data = np.ndarray(shape=(1, 224, 224, 3), dtype=np.float32)

# Replace this with the path to your image

# Seafood 사진을 content 경로에 가져와서 입력함 평가할때마다 해당 부분은 수정

image = Image.open("/content/1.jpg").convert("RGB")

# resizing the image to be at least 224x224 and then cropping from the center

size = (224, 224)

image = ImageOps.fit(image, size, Image.Resampling.LANCZOS)

# turn the image into a numpy array

image_array = np.asarray(image)

# Normalize the image

normalized_image_array = (image_array.astype(np.float32) / 127.5) - 1

# Load the image into the array

data[0] = normalized_image_array

# Predicts the model

prediction = model.predict(data)

index = np.argmax(prediction)

class_name = class_names[index]

confidence_score = prediction[0][index]

# Print prediction and confidence score

print("Class:", class_name[2:], end="")

print("Confidence Score:", confidence_score)

ㄴ 잘예측해내는것을 볼수있다.

 

실습 완료