python - 使用 model.predict() 输出 keras 的概率分数

Question

我有一个用于图像分类的 cnn 模型，它使用 sigmoid 激活函数作为最后一层

    from keras import layers
    from keras import models
    model = models.Sequential()
    model.add(layers.Conv2D(32, (3, 3), activation='relu',
                    input_shape=(1500, 1500, 3)))
    ..........
    model.add(layers.Dense(1, activation='sigmoid'))

这些图像属于两个类别。当我使用model.predict()时在图像上我得到 0 或 1。但是，我想获得像 0.656 这样的概率分数，例如当我使用 model.predict_generator() 时，它输出这些分数。然而，predict_generator要求将图像放置在标识其类别的文件夹中，因此，它仅与验证和测试相关。我想输出一个或多个新的未知图像的分数。我怎样才能做到这一点？

Answer 1

我不确定这是否是版本问题，但我确实得到了概率分数。

我使用虚拟网络来测试输出:

from keras import layers
from keras import models
from keras import __version__ as used_keras_version
import numpy as np


model = models.Sequential()
model.add(layers.Dense(5, activation='sigmoid', input_shape=(1,)))
model.add(layers.Dense(1, activation='sigmoid'))
print((model.predict(np.random.rand(10))))
print('Keras version used: {}'.format(used_keras_version))

产生以下输出:

[[0.252406  ]
 [0.25795603]
 [0.25083578]
 [0.24871194]
 [0.24901393]
 [0.2602583 ]
 [0.25237608]
 [0.25030616]
 [0.24940264]
 [0.25713784]]
Keras version used: 2.1.4

真的很奇怪，你只得到 0 和 1 的二进制输出。特别是当 sigmoid 层实际上返回浮点值时。

我希望这能有所帮助。