如何获得Keras的预测值？

Question

在Keras测试样品评估是这样完成的

score = model.evaluate(testx, testy, verbose=1)

这不会返回预测值.有一种方法predict可以返回预测值

model.predict(testx, verbose=1)

回报

[ 
[.57 .21 .21]
[.19 .15 .64]
[.23 .16 .60] 
.....
]

testy 是一个热门编码,它的值是这样的

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

预测值testy如何将预测值转换为热编码？

注意:我的模型看起来像这样

# setup the model, add layers
model = Sequential()
model.add(Conv2D(32, kernel_size=(3,3), activation='relu', input_shape=input_shape))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(64, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(classes, activation='softmax'))

# compile model
model.compile(loss=keras.losses.categorical_crossentropy, optimizer=keras.optimizers.Adadelta(), metrics=['accuracy'])

# fit the model
model.fit(trainx, trainy, batch_size=batch_size, epochs=iterations, verbose=1, validation_data=(testx, testy))

Answer 1

返回的值是每个类的概率.这些值可能很有用,因为它们表示模型的置信水平.

如果您只对概率最高的班级感兴趣:

例如[.19 .15 .64]= 2(因为列表中的索引2最大)

让模型吧

Tensorflow模型具有内置方法,该方法返回最高类概率的索引.

model.predict_classes(testx, verbose=1)

手动完成

argmax是一个泛型函数,用于返回序列中最高值的索引.

import tensorflow as tf

# Create a session
sess = tf.InteractiveSession()

# Output Values
output = [[.57, .21, .21], [.19, .15, .64], [.23, .16, .60]]

# Index of top values
indexes = tf.argmax(output, axis=1)
print(indexes.eval()) # prints [0 2 2]

Answer 2

Keras 返回一个带有归一化类标签可能性的 np.ndarray。因此，如果要将其转换为 onehotencoding，则需要找到每行最大似然的索引，这可以通过使用np.argmax沿轴 = 1来完成。然后，要将其转换为 onehotencoding，np.eye可以使用该功能。这将在指定的索引处放置 1。唯一需要注意的是将维度化为适当的行长度。

a #taken from your snippet
Out[327]: 
array([[ 0.57,  0.21,  0.21],
       [ 0.19,  0.15,  0.64],
       [ 0.23,  0.16,  0.6 ]])

b #onehotencoding for this array
Out[330]: 
array([[1, 0, 0],
       [0, 0, 1],
       [0, 0, 1]])

n_values = 3; c = np.eye(n_values, dtype=int)[np.argmax(a, axis=1)]
c #Generated onehotencoding from the array of floats. Also works on non-square matrices
Out[332]: 
array([[1, 0, 0],
       [0, 0, 1],
       [0, 0, 1]])