Wenn man flow_from_directory verwendet, besteht das Problem darin, die Wahrscheinlichkeitsausgaben zu interpretieren. Wie man die Wahrscheinlichkeitsausgaben und die Klassenbezeichnungen so abbildet, wie flow_from_directory one-hot-Vektoren erzeugt, ist im Stand der Technik nicht bekannt.
Wir können ein Wörterbuch bekommen, die die Klasse Etiketten auf den Index des Vorhersagevektorkarten, die wir als die Ausgabe erhalten, wenn wir
generator= train_datagen.flow_from_directory("train", batch_size=batch_size)
label_map = (generator.class_indices)
Die label_map Variable ist ein Wörterbuch wie dieses
{'class_14': 5, 'class_10': 1, 'class_11': 2, 'class_12': 3, 'class_13': 4, 'class_2': 6, 'class_3': 7, 'class_1': 0, 'class_6': 10, 'class_7': 11, 'class_4': 8, 'class_5': 9, 'class_8': 12, 'class_9': 13}
verwenden
Daraus kann dann die Beziehung zwischen den Wahrscheinlichkeitswerten und Klassennamen abgeleitet werden.
Grundsätzlich können Sie dieses Wörterbuch nach diesem Code erstellen.
from glob import glob
class_names = glob("*") # Reads all the folders in which images are present
class_names = sorted(class_names) # Sorting them
name_id_map = dict(zip(class_names, range(len(class_names))))
Die Variable name_id_map in dem obigen Code enthält auch die gleichen Wörterbücher wie die von class_indices Funktion der flow_from_directory erhalten.
Hoffe, das hilft!
Momentan hat der Code für np.utils.py (siehe https://github.com/fchollet/keras/blob/master/keras/utils/np_utils.py) keine probas_to_classes-Methode. Haben sie das in eine andere Funktion geändert? Bitte hilf mir. – noobalert
Ich habe das gleiche Problem wie @noobalert erwähnt, es hat nicht die Funktion. –
Verwenden Sie 'y_classes = y_proba.argmax (axis = -1)' stattdessen – Zach