我已经在 Keras 中使用图像生成器针对二进制问题实现了一个 EfficientNet。在测试用例中,当我预测输出时,它返回一个具有一组概率但仅涉及一个类的数组,这里是代码和输出:
test_image_generator = ImageDataGenerator(
rescale=1./255
)
real_test=test_image_generator.flow_from_directory(
directory='/content/real_test',
target_size=(224, 224),
color_mode="rgb",
batch_size=1,
class_mode=None,
shuffle=False,
#seed=42
)
输出是:
real_test.reset()
from keras.models import load_model
efficient_net_custom_model = load_model('model_efficientnet4.h5',compile=False)
pred = efficient_net_custom_model.predict_(real_test, steps = len(real_test), verbose = 1)
print (pred)
现在,当打印 4 个不同图像的预测时,它返回:
[[0.45415235]
[0.52390164]
[0.9999932 ]
[0.99946016]]
基本上每个图像只有一个输出概率(我认为),并且不可能说哪个是实际类别。不是吗? 我该怎么做才能解决这个问题?
谢谢
编辑:
包括模型代码
def output_custom_model(prebuilt_model):
print(f"Processing {prebuilt_model}")
prebuilt = prebuilt_model(include_top=False,
input_shape=(224, 224, 3),
weights='imagenet')
output = prebuilt.output
output = GlobalMaxPooling2D()(output)
output = Dense(128, activation='relu')(output)
output = Dropout(0.2)(output)
output = Dense(1, activation='sigmoid')(output)
model = Model(inputs=prebuilt.input, outputs=output)
model.compile(optimizer='sgd', loss='binary_crossentropy',
metrics=METRICS)
return model
efficient_net_custom_model = output_custom_model(EfficientNetB4)
filepath='model_efficientnet4.h5'
efficient_net_history =
efficient_net_custom_model.fit_generator(train_generator,
epochs=20,
validation_data=validation_generator,
)
最佳答案
在某些类型的网络中,二进制输出只是一个,它代表第一类训练数据。我们假设你的训练数据是这样的:
img1data, class1
img2data, class1
..
imgNdata, class2
您的网络已接受 class1 作为默认类别,给定的结果是该类别的分数。所以这些结果显示了 class1 的分数。
[[0.45415235]
[0.52390164]
[0.9999932 ]
[0.99946016]]
由于二分类,第一个结果显示class1的分数是0.45,所以class2一定是0.55,图像属于class2。 最后的结果显示class1的分数是0.999,所以class2一定是0.0006,图像属于class1。 等等……
您可以编写一个方法来进行这些操作并找到图像所属的类。
def find_class(result):
if result >= 0.5:
return "class1"
else:
return "class2"
find_class(result[0])
关于python - Keras 预测在二元问题中只返回一个类,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/62812563/