tensorflow - 如何查看测试生成器中的图像以查看预测是否正确

Question

我正在训练水果分类模型。截至目前，我的类(class)是: [“新鲜苹果”、“新鲜香蕉”、“新鲜橙子”]

我正在使用 ImageDataGenerator 和 flow_from_directory 来使用训练、验证和测试生成器。我已经训练了模型，现在想要将测试生成器输入到模型中以查看模型的性能。现在我的测试生成器中只有 2 个图像。我有以下代码来进行预测:

    predictions = tuned_model.predict(test_generator)
    score = tf.nn.softmax(predictions[0])

    print(
        'This image most likely belongs to {} with a {:.2f} percent 
    confidence.'.format(
            class_names[np.argmax(score)], 100 * np.max(score)
        )
    )

结果如下:

    This image most likely belongs to Fresh Apples with a 46.19 percent confidence.

是的，它的准确度很低，我只训练了 10 个周期，哈哈。但是，有没有办法可以看到正在测试哪个图像？或者知道这个预测是否正确的方法？

编辑:

包括生成器的代码...

generator = ImageDataGenerator(
    rotation_range=45,
    rescale=1./255,
    horizontal_flip=True,
    vertical_flip=True,
    validation_split=.2
)

train_generator = generator.flow_from_directory(
    train_path,
    target_size=(im_height, im_width),
    batch_size = batch_size,
    subset='training'
)

validation_generator = generator.flow_from_directory(
    train_path,
    target_size=(im_height, im_width),
    batch_size=batch_size,
    subset='validation'
)

test_generator = generator.flow_from_directory(
    test_path,
    target_size= (im_height, im_width),
    batch_size= batch_size,
)

就我的类标签而言，到目前为止我只是对它们进行了硬编码

class_names = ['Fresh Apples', 'Fresh Bananas', 'Fresh Bananas']

我知道我可能应该导入操作系统并根据文件结构创建标签，但除非绝对需要，否则我会稍后执行此操作。

Answer 1

我假设当您创建测试生成器时，您在 flow_from_directory 中设置了 shuffle=False 。然后使用

files=test_generator.filenames
class_dict=test_generator.class_indices # a dictionary of the form class name: class index
rev_dict={}
for key, value in class_dict.items()
    rev_dict[value]=key   # dictionary of the form class index: class name

files 是文件名列表，按照文件呈现预测的顺序排列。 然后做

predictions = tuned_model.predict(test_generator)

然后迭代预测

for i, p in enumerate(predictions)
    index=np.argmax(p)
    klass=rev_dict[index]    
    prob=p[index]
    print('for file ', files[i], ' predicted class is ', klass,' with probability ',prob)

当然你也可以显示图像