訓練的模型是上一篇博客發布的內容，這篇博客我們用上一篇博客發的內容測試一下模型。

1.導入必要的庫

pandas as pd: Pandas是一個強大的數據分析和處理庫，它提供了數據結構（如DataFrame）和工具，用于數據操作和分析。
matplotlib.pyplot as plt: Matplotlib是一個繪圖庫，pyplot是其中的一個模塊，它提供了一個類似于MATLAB的繪圖框架。
cv2: 這是OpenCV庫的別名，它是一個強大的計算機視覺庫，用于圖像和視頻處理。
random: 這是Python的標準庫，它提供了生成隨機數的函數。
os: 這是Python的標準庫，它提供了與操作系統交互的功能，比如文件和目錄操作。
numpy as np: NumPy是一個用于科學計算的庫，它提供了高效的數組處理能力，對于圖像處理等任務非常有用。

import pandas as pd
import matplotlib.pyplot as plt
import cv2
import random
import os
import numpy as np
from sklearn.metrics import accuracy_score, precision_recall_fscore_support

2.加載測試數據集

使用pandas讀取CSV文件

test_labels_df = pd.read_csv('test_labels.csv')

3.假設CSV文件中的圖像文件名是完整的路徑

從CSV中提取特征和標簽

image='D:/rgzn/face/DATASET/99'
image_paths = test_labels_df['image'].values  # 假設'image'列包含了圖像文件的路徑
true_labels = test_labels_df['label'].values  # 假設'label'列包含了對應的標簽

4.隨機選擇一張圖片進行展示

random_index = random.randint(0, len(image_paths) - 1)
image_path = image_paths[random_index]
label = true_labels[random_index]

random_index = random.randint(0, len(image_paths) - 1)：

random.randint(0, len(image_paths) - 1)：這個函數調用用于生成一個隨機整數，其范圍是從0到image_paths列表的長度減1。
random_index：這個變量存儲了隨機生成的索引值。

image_path = image_paths[random_index]：

image_paths[random_index]：這個索引操作符用于根據random_index變量中存儲的隨機索引值，從image_paths列表中獲取對應的圖像路徑。
image_path：這個變量存儲了隨機選擇的圖像路徑。

label = true_labels[random_index]：

true_labels[random_index]：這個索引操作符用于根據random_index變量中存儲的隨機索引值，從true_labels列表中獲取對應的標簽。
label：這個變量存儲了與隨機選擇的圖像路徑對應的標簽。

5.加載圖像

image = cv2.imread(image_path)

cv2.imread(image_path)：這個函數調用用于讀取圖像文件。它返回一個NumPy數組，其中包含了圖像的像素數據。
image：這個變量存儲了讀取到的圖像數據，它是一個NumPy數組。

6.使用模型進行預測

test_predictions = model.predict(X_test)

model.predict(X_test)：這個函數調用用于使用模型對測試數據集X_test進行預測。
test_predictions：這個變量存儲了模型對測試數據集的預測結果。

7.設置模型的預測結果

test_predictions = np.zeros_like(y_test)

np.zeros_like(y_test)：這個函數調用用于創建一個與y_test形狀相同的數組，并將其所有元素初始化為0。
test_predictions：這個變量存儲了轉換后的預測結果，其中每個元素都是0。

8.計算準確率

accuracy = accuracy_score(y_test, test_predictions_binary)
print(f'Accuracy: {accuracy:.4f}')

9.指定test文件夾路徑

test_folder = 'D:/rgzn/face/DATASET/test'

10.讀取名為image_path的圖片

# image_path = 'image_path.jpg'  # 假設要讀取的圖片文件名為image_path.jpg
image_full_path = os.path.join(test_folder, image_path)

11.加載圖像

image = cv2.imread(image_full_path)

12.檢查圖像是否為空

if image is None:print("Error: Failed to load image.")
else:# 顯示圖像plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))plt.title(f'Label: {label}  Image: {image_path}')plt.axis('off')plt.show()