前置import
'''
import os
import tempfile
from matplotlib import pyplot as plt
import numpy as np
import tensorflow as tf
tmpdir = tempfile.mkdtemp()
'''
介紹如何用keras檢測自己找的圖片
'''
file = tf.keras.utils.get_file(
"ocellated-electric-ray.jpg",#檢測圖片的名字
"https://img.diveadvisor.com/marine-life/ocellated-electric-ray.jpg") #這個是掃描影像的網路地址，可以自己從網路上找自己想檢測的圖片
img = tf.keras.utils.load_img(file, target_size=[224, 224])
plt.imshow(img)
plt.axis('off')
x = tf.keras.utils.img_to_array(img)
x = tf.keras.applications.mobilenet.preprocess_input(
x[tf.newaxis,...])
labels_path = tf.keras.utils.get_file(
'ImageNetLabels.txt',
'https://storage.googleapis.com/download.tensorflow.org/data/ImageNetLabels.txt')#文字庫，模型裡面可以識別出來的物體的名字，都在這裡面了，可以根據這裡面有的名字找檢測圖片
imagenet_labels = np.array(open(labels_path).read().splitlines())
pretrained_model = tf.keras.applications.MobileNet()#引入載入keras的模型
result_before_save = pretrained_model(x)
decoded = imagenet_labels[np.argsort(result_before_save)[0,::-1][:5]+1]
print("Result before saving:\n", decoded)#輸出圖片掃描出來的物體文字
'''
如何建立SavedModel格式檔案並應用
'''
mobilenet_save_path = os.path.join(tmpdir, "mobilenet/1/")
tf.saved_model.save(pretrained_model, mobilenet_save_path)#模型的儲存路徑
loaded = tf.saved_model.load(mobilenet_save_path)
print(list(loaded.signatures.keys())) # ["serving_default"]，
infer = loaded.signatures["serving_default"]
print(infer.structured_outputs)#檢視模型的服務模式
labeling = infer(tf.constant(x))
print(pretrained_model.summary())但是之後輸出summary發現是有predictions的，這就奇怪了。
[pretrained_model.output_names[0]]#載入獲取模型的輸出，按照官方文件看是這樣，但是卻報錯了， labeling = infer(tf.constant(x))[pretrained_model.output_names[0]]KeyError: 'predictions'
decoded = imagenet_labels[np.argsort(labeling)[0,::-1][:5]+1]
print("Result after saving and loading:\n", decoded)#正常來說後面應該會正常輸出，
'''
參考文章：https://tensorflow.google.cn/guide/saved_model?hl=zh-cn
https://blog.csdn.net/qq_37388085/article/details/115432865
後面瞭解到tf.saved_model和model.save的區別，還是需要注意學習一下