Gdy używa się katalog_zakresu_przepływu, problem polega na interpretacji wyników prawdopodobieństwa. W jaki sposób odwzorować wyniki prawdopodobieństwa i etykiety klas tak, jak katalog_pliku_przepływu tworzy wektory, które nie są znane w poprzednich wersjach.
Możemy słownika, który mapuje etykiety klasy do indeksu wektora predykcji, które otrzymujemy na wyjściu, gdy używamy
generator= train_datagen.flow_from_directory("train", batch_size=batch_size)
label_map = (generator.class_indices)
Zmienna label_map jest słownikiem jak ten
{'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}
Następnie można uzyskać zależność między wynikami prawdopodobieństwa a nazwami klas.
Zasadniczo możesz utworzyć ten słownik według tego kodu.
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))))
Zmienna name_id_map w powyższym kodu zawiera tego samego słownika jak ten uzyskany z class_indices funkcji flow_from_directory.
Mam nadzieję, że to pomoże!
Obecnie kod np.utils.py (patrz https://github.com/fchollet/keras/blob/master/keras/utils/np_utils.py) nie ma metody probas_to_classes. Czy zmienili to na jakąś inną funkcję? Proszę pomóż mi. – noobalert
Mam taki sam problem jak wspomniany @noobalert, nie ma on tej funkcji. –
użyj 'y_classes = y_proba.argmax (axis = -1)' zamiast – Zach