猫狗识别中detect-py程序运行出错

想问一下猫狗识别程序那一篇文章中代码detect-py为什么运行出错

典型的字符集不匹配
把py文件还有所有用到的txt文件全部存为utf8格式

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 你可以看下这个问题的回答https://ask.csdn.net/questions/7802980
• 这篇博客你也可以参考下：detect.py 中的一些小的知识点
• 除此之外, 这篇博客: 猫狗识别与分类中的 detect.py程序结构： 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
  
  • 第一步：导入库以及定义一些参数
  • 第二步：定义一个函数，从测试文件夹内读取任意一张图片
  • 第三步：定义一个预测函数
  • 第四步：载入模型并预测

  
  # 第一步：导入库以及定义一些参数
  import os, random
  from matplotlib.pyplot import imshow
  import numpy as np
  import matplotlib.pyplot as plt
  IMG_W,IMG_H,IMG_CH=150,150,3   #设置图片的大小，这个大小要和神经网络的第一层输入有关
  
  # 第二步：定义一个函数，从测试文件夹内读取任意一张图片。
  def read_random_image():
      folder=r"./Imgs/"                                        #修改成你的数据集地址
      file_path = folder + random.choice(os.listdir(folder))  #随机获取文件内图片的地址
      pil_im = Image.open(file_path, 'r')                     #打开这个图片
      return pil_im                                           #返回
  
  
  # 第三步：定义一个预测函数
  # 用训练好的模型来预测新样本
  from PIL import Image
  from keras.preprocessing import image
  
  def predict(model, img, target_size):
      name = ["猫", "狗"]
      if img.size != target_size:             #如果图片的大小不是目标大小则修改
          img = img.resize(target_size)
  
      x = image.img_to_array(img)             #将图片转换成二维数组准备输入模型
      x *= 1. / 255                           #归一化，矩阵*1/255.0，相当于将像素值转换到0~1
      x = np.expand_dims(x, axis=0)           #调整图片维度为零
      preds = model.predict(x)                #执行模型自带的预测函数，参数为x
  
      imshow(np.asarray(img))                 #输出图片，提高可视度
  
      print(preds)                            #打印预测结果
      for i in range(2):
          if preds[0][i]>0.5:  #打印超过0.5概率的类别名字
              print(name[i])
              break
  
  
  #第四步：载入模型并预测
  # 载入训练保存的模型
  from keras.models import load_model
  model_path = './model.h5'	#模型地址
  model = load_model(model_path)
  
  
  print("下面将抽五张图并预测如下：")
  for i in range(5):
      print("该图片的猫狗概率如下:")
      predict(model,read_random_image(),(IMG_W,IMG_H))    #预测函数
      plt.show()
  
  
  # 评估函数下面运行后可以评估模型的平均准确率，损失函数
  
  '''
  test_datagen = ImageDataGenerator(rescale=1. / 255) # 只需要和trainset同样的scale即可，不需增强
  
  test_data_dir="./data_oppo/train"
  val_generator = test_datagen.flow_from_directory(
          test_data_dir,
          target_size=(IMG_W, IMG_H),
          batch_size=32,
          color_mode='rgb',
          class_mode='categorical')
  test_loss,test_acc=model.evaluate(val_generator)
  print("test_acc={}  test_loss={}".format(test_acc,test_loss))
  '''
  

  以下是跑通这个程序的过程。如果清楚这些步骤的过程可以略过下面

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^