深度学习猫狗图像识别模型评估代码示例

当评估深度学习模型时，你可以使用以下代码来评估猫狗图像识别模型的性能：

import numpy as np
from keras.models import load_model
from keras.preprocessing import image

# 加载已训练的模型
model = load_model('cat_dog_model.h5')  # 替换为你的模型文件路径

# 定义类别标签
class_labels = ['cat', 'dog']

# 加载测试图像
test_image_path = 'test_image.jpg'  # 替换为你的测试图像路径
test_image = image.load_img(test_image_path, target_size=(150, 150))
test_image = image.img_to_array(test_image)
test_image = np.expand_dims(test_image, axis=0)

# 使用模型进行预测
predictions = model.predict(test_image)
predicted_label = class_labels[np.argmax(predictions[0])]

# 输出预测结果
print('Predicted label:', predicted_label)

请确保已经安装了Keras和相应的深度学习后端（如TensorFlow或者Theano）。替换代码中的'cat_dog_model.h5'为你训练好的模型文件路径，'test_image.jpg'为你要测试的图像路径。

这段代码将加载模型，并使用测试图像进行预测。最后，它将输出预测的标签（'cat'或'dog'）。