Untitled

gandalfbialy

Jun 28th, 2025

222

Never

Add comment

Not a member of Pastebin yet? Sign Up, it unlocks many cool features!

Python 1.17 KB | None | 0 0

raw download clone embed print report

from pathlib import Path
from PIL import Image, ImageOps
#Pętla przechodzi przez wszystkie pliki z rozszerzeniem .png w pliku 'testowe'
#Obrazy są wczytywane w skali szarości .convert('L')
#A następnie tworzony jest negatyw - białe pismo na czarnym tle, tak jak w zbiorze uczącym, wbrew znaczeniom robi to różnicę i upewniamy się że dane maja odpowiedni wymiar i są znormalizowane
for path in Path("testowe").rglob("*.png"):
image = Image.open(path).convert('L')
image = ImageOps.invert(image)
image = image.resize((28, 28))
image = np.array(image).reshape(1, 28, 28, 1) / 255.0
#Wyświetlamy obraz
plt.imshow(image.reshape(28, 28), cmap='gray')
plt.title('Przetworzony obraz')
plt.show()
prediction = model.predict(image)[0]
top3_indices = np.argsort(prediction)[-3:][::-1]
top3_probs = prediction[top3_indices]
print("Top 3 rozpoznane cyfry:")
for i, (label, prob) in enumerate(zip(top3_indices, top3_probs), 1):
print(f"{i}. Cyfra: {label}, Prawdopodobieństwo: {prob:.4f}")
#Oraz dokoujemy prognozy i ją wyświetlamy
prediction = model.predict(image)
digit = np.argmax(prediction)
print(f"Rozpoznana cyfra: {digit}")

Add Comment

Please, Sign In to add comment