Django深度学习图像分类：使用预训练模型识别10类图片

要将Django与深度学习模型连接起来，需要进行以下步骤：

首先，确保你已经安装了Django和深度学习库（如TensorFlow、PyTorch等）。
创建一个Django项目，并在项目文件夹中创建一个名为'models'的文件夹用于存放深度学习模型。
将训练好的深度学习模型保存为一个文件（如.h5或.pt格式），并将其放入'models'文件夹中。
在Django的'views.py'文件中，导入必要的库和模型：

from django.shortcuts import render
from django.core.files.storage import FileSystemStorage
import tensorflow as tf
from tensorflow.keras.preprocessing import image
import numpy as np
from .models import MyModel  # 导入深度学习模型类

创建一个视图函数用于接收上传的图片并进行预测：

def predict(request):
    if request.method == 'POST' and request.FILES['image']:
        # 从请求中获取上传的图片
        uploaded_image = request.FILES['image']

        # 将图片保存到服务器上
        fs = FileSystemStorage()
        image_path = fs.save(uploaded_image.name, uploaded_image)

        # 加载深度学习模型
        model = MyModel.load_model()  # 从模型类中加载模型

        # 加载并预处理图片
        img = image.load_img(image_path, target_size=(224, 224))
        img = image.img_to_array(img) / 255.0
        img = np.expand_dims(img, axis=0)

        # 进行预测
        predictions = model.predict(img)
        predicted_class = np.argmax(predictions[0])
        class_labels = ['class1', 'class2', 'class3', 'class4', 'class5', 'class6', 'class7', 'class8', 'class9', 'class10']
        predicted_label = class_labels[predicted_class]

        # 删除保存的图片
        fs.delete(image_path)

        return render(request, 'prediction.html', {'predicted_label': predicted_label})

    return render(request, 'upload.html')

创建两个HTML模板文件，一个用于上传图片（'upload.html'），另一个用于显示预测结果（'prediction.html'）：

'upload.html'：

<form method='post' enctype='multipart/form-data'>
  {% csrf_token %}
  <input type='file' name='image'>
  <input type='submit' value='上传'>
</form>

'prediction.html'：

<p>预测结果：{{ predicted_label }}</p>

在'urls.py'文件中设置URL路由：

from django.urls import path
from . import views

urlpatterns = [
    path('upload/', views.predict, name='predict'),
]

这样，当用户访问/upload/页面时，将显示一个上传图片的表单。用户选择图片并提交后，Django将调用predict函数进行预测，并将预测结果展示在'prediction.html'模板中。