ValueError：`decode_predictions`期望进行一系列预测（即2D形状的数组（样本，1000个））。找到形状为（1，7）的数组

Question

我正在将VGG16与keras一起用于迁移学习（我的新模型中有7个类），因此我想使用内置的encode_predictions方法输出模型的预测。但是，使用以下代码：

preds = model.predict(img)

decode_predictions(preds, top=3)[0]

我收到以下错误消息：

ValueError：decode_predictions需要进行一系列预测（例如，二维形状数组（样本，1000个））。找到形状为（1，7）的数组

现在，我想知道为什么在重新训练的模型中只有7个班级时会期望1000。

我在stackoverflow上发现的一个类似问题（Keras：ValueError：decode_predictions期望进行一系列预测 ）建议在模型定义中包括“ inlcude_top = True”以解决此问题：

model = VGG16(weights='imagenet', include_top=True)

我已经尝试过了，但是仍然无法正常工作-给我和以前一样的错误。非常感谢您对如何解决此问题的任何提示或建议。

Answer 1

我怀疑您正在使用一些预先训练的模型，例如说resnet50，并且您正在decode_predictions像这样导入：

from keras.applications.resnet50 import decode_predictions

encode_predictions将（num_samples，1000）个概率数组转换为原始imagenet类的类名。

如果您想进行学习并在7个不同的班级之间进行分类，则需要这样做：

base_model = resnet50 (weights='imagenet', include_top=False)

# add a global spatial average pooling layer
x = base_model.output
x = GlobalAveragePooling2D()(x)
# add a fully-connected layer
x = Dense(1024, activation='relu')(x)
# and a logistic layer -- let's say we have 7 classes
predictions = Dense(7, activation='softmax')(x) 
model = Model(inputs=base_model.input, outputs=predictions)
...

拟合模型并计算预测后，您必须手动将类名称分配给输出编号，而无需使用导入decode_predictions