在Keras获得预测

Question

我在Keras成功训练了一个简单的模型来分类图像:

model = Sequential()

model.add(Convolution2D(32, 3, 3, border_mode='valid', input_shape=(img_channels, img_rows, img_cols),
                        activation='relu', name='conv1_1'))
model.add(Convolution2D(32, 3, 3, activation='relu', name='conv1_2'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(Convolution2D(64, 3, 3, border_mode='valid', activation='relu', name='conv2_1'))
model.add(Convolution2D(64, 3, 3, activation='relu', name='conv2_2'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(Flatten())
model.add(Dense(512, activation='relu'))
model.add(Dropout(0.5))

model.add(Dense(nb_classes, activation='softmax'))

model.compile(loss='categorical_crossentropy', optimizer=sgd, metrics=['accuracy'])

我也可以使用预测图像类

y_pred = model.predict_classes(img, 1, verbose=0)

但是输出y_pred总是二进制的.使用predict_proba和时似乎也是如此predict.我的输出是这种形式

[[ 1.  0.  0.  0.]]
[[ 0.  1.  0.  0.]]

这样可行,但我希望每个分类都有一个概率百分比

[[ 0.8  0.1  0.1  0.4]]

我如何在Keras得到这个？

Answer 1

Softmax 可能会产生类似“one-hot”的输出。考虑以下示例：

# Input; Exponent; Softmax value 
20    485165195  0.99994
 9         8103  0.00002
 5          148  0.00000
10        22026  0.00005
------------------------
# Sum 485195473  1

由于指数函数增长非常快，因此softmax从数量级 1 开始，开始产生类似 one-hot 的输出。在函数的 Keras 实现softmax中，将从输入中减去最大值，但在上述情况下，它不会产生任何差异。

解决此问题的可能方法：

1. 确保重新缩放输入图像，以便像素值介于0和之间1。

2. 向您的模型添加一些正则化器。