我试图加载在我的keras模型上修改蝴蝶物种分类器在tkinter我认为问题在于我如何训练我的模型

import cv2
import tensorflow as tf

CATEGORIES = ["Abyssinians", "American Shorthair", "Bengals", "Birman",
              "British Shorthairs", "Devon Rex", "Exotic Shorthairs", "Maine Coon",
              "Oriental Shorthairs", "Persians", "Ragdoll", "Scottish Folds", "Siamese", "Somali", "Sphynx"]  # will use this to convert prediction num to string value
def prepare(filepath):
    IMG_SIZE = 100 # 50 in txt-based
    img_array = cv2.imread(filepath, cv2.IMREAD_GRAYSCALE)  # read in the image, convert to grayscale
    new_array = cv2.resize(img_array, (IMG_SIZE, IMG_SIZE))  # resize image to match model's expected sizing
    return new_array.reshape(-1, IMG_SIZE, IMG_SIZE, 1)  # return the image with shaping that TF wants.

model = tf.keras.models.load_model("CAT_BREEDS.model")

prediction = model.predict([prepare(r'D:\Desktop\CATS\validation\Abyssinians\45997693_52.jpg')])
print(prediction)

上面是我用来训练keras模型的代码，但是当我试图使用蝴蝶分类器预测一个类时，我得到了这个错误

pred=model.predict_classes（[准备（file_path）]）属性错误：函数对象没有属性predict_classes

导入Numpy作为np从tenorflow导入keras从tensorflow.keras.layers导入Dense， GlobalAveragePooling2D从tensorflow.keras.optimizers导入Adam从tensorflow.keras.preprocessing.image导入ImageDataGenerator从tensorflow.keras.models导入Model从sklearn.metrics导入confusion_matrix导入迭代工具导入matplotlib.pyplot作为plt

train\u path=r'D:\Desktop\CATS-Copy 2\train'valid\u path=r'D:\Desktop\CATS-Copy 2\validation'test\u path=r'D:\Desktop\CATS-Copy 2\test'

class_labels=[阿比西尼亚人、美国短毛人、孟加拉人、比尔曼人、英国短毛人、德文雷克斯人、异国短毛人、缅因库恩人、东方短毛人、波斯人、布娃娃、苏格兰折叠人、暹罗人、索马里人、狮身人面像]

train\u batches=ImageDataGenerator（预处理函数=keras.applications.xception.preprocess\u input）
.flow\u from\u目录（train\u路径，target\u size=（299299），classes=class\u标签，batch\u size=5）valid\u batches=ImageDataGenerator（预处理函数=keras.applications.xception.preprocess\u input）
.flow\u from\u目录（valid\u路径，target\u大小=（299299），类=类标签，批次大小=5）测试批次=图像数据生成器（预处理函数=keras.applications.xception.preprocess\u input）
从目录（测试路径，目标大小=（299299），类=类标签，批次大小=5，随机播放=False）

base_model=keras.applications.xception.xception（include_top=False）

x=base_model.output x=globalaveragepoolig2d（）（x）x=density（1024，activation='relu'）（x）x=density（15，activation='sigmoid'）（x）model=model（inputs=base_model.input，outputs=x）

base_model.trainable=假

N=1

model.compile（Adam（lr=.0001），损失='categorical_crossentropy'，指标=['准确性']）历史=model.fit_generator（train_batches，steps_per_epoch=200，validation_data=valid_batches，validation_steps=90，纪元=N，详细=1）

model_json=model.to_json（），打开（“model.json”，“w”）作为json_文件：json_文件。写入（model_json）模型。保存_权重（'model_weights.h5'））

打印（“[INFO]评估模型…”）

test_labels=test_batches.classes预测=model.predict_generator（test_batches，步骤=28，冗长=1）

model.save（CAT_BREEDS模型）