我正在调用model.predict_generator()用于测试数据集的预测方法。我的问题是如何获取测试准确性？以下是我的代码行：
predictions = model.predict_generator(test_images, steps=3, verbose=0)
凡test_iamges在参数predict_generator功能批量数据从本地磁盘通过调用检索ImageDataGenerator
任何指导将不胜感激。
谢谢
我正在张量流中训练我的模型。经过一些迭代后，我得到以下异常：
F tensorflow/stream_executor/cuda/cuda_dnn.cc:522] 检查失败： cudnnSetTensorNdDescriptor(handle_.get(), elem_type, nd, dims.data(), strides.data()) == CUDNN_STATUS_SUCCESS (3 vs. 0)batch_descriptor ：{计数：1 feature_map_count：1088 空间：63 0 value_min：0.000000 value_max：0.000000 布局：BatchDepthYX}
问题不在于 cuda 库，因为相同的代码适用于其他数据集。这可能是什么原因呢？
我正在使用ImageDataGenerator. 我需要将每个灰度图像的内容复制到 3 个通道中。我尝试了以下代码，但似乎不起作用：
def grayscale_to_rgb(images, channel_axis=-1):
images= K.expand_dims(images, axis=channel_axis)
tiling = [1] * 4 # 4 dimensions: B, H, W, C
tiling[channel_axis] *= 3
images= K.tile(images, tiling)
return images
train_images_orign= grayscale_to_rgb(train_images_orign)
valid_images_orign= grayscale_to_rgb(valid_images_orign)
test_images_orign= grayscale_to_rgb(test_images_orign)
x_train, y_train = next(train_images_orign)
x_valid, y_valid = next(valid_images_orign)
x_test, y_test = next(test_images_orign)
我应该朝哪个方向来实现这一目标？