如何找出概率输出中每列的哪个类对应于使用Keras进行多类分类？

Posted 2021-04-25

我正在使用转移学习在Keras中使用预先训练的VGG网络构建图像识别模型，并排除最终的完全连接层以获得输出权重。然后我使用这些输出权重进入我的新模型，该模型具有几个层以及我正在训练的新的全连接层。完全连接的层映射到我试图预测的输出类的数量。

一切都很好。但是，当我运行results = model.predict(img_tensor)时，我得到对应于每个类的输出概率，类似于下面的：

print(results)

 [[0.1426621  0.6193871  0.23795079]
 [0.11187755 0.6208466  0.2672758 ]
 [0.10050113 0.3768951  0.52260375]
 [0.1338948  0.59470254 0.27140263]
 [0.06612041 0.69726    0.2366195 ]
 [0.12080433 0.495977   0.38321865]]

我的问题是：如何找出概率输出中每列的哪个类对应？

Keras是否内置任何内容来确定输出概率的哪一列与哪个类相对应？如果没有提供，我会感到震惊......

其他人做了什么来创造一个解决方案？

谢谢！

答案

Keras的flow_from_directory（目录）中的“class_indices”属性在输出数组中创建类及其索引的字典：

classes：类子目录的可选列表（例如['dogs'，'cats']）。默认值：无。如果未提供，则将从目录下的子目录名称/结构自动推断类列表，其中每个子目录将被视为不同的类（并且将映射到标签索引的类的顺序将是字母数字）。包含从类名到类索引的映射的字典可以通过属性class_indices获得。

资料来源：https://keras.io/preprocessing/image/

我很想知道人们如何将这个结合到他们的工作流程/脚本中...