python - 如何解释 keras "predict_generator "输出？

Question

我正在实现图像分类项目。我已经生成并保存了模型。训练成功了。当我在 keras 中使用 predict_generator 对测试图像进​​行分类时，对于每个图像，我在预测 numpy 数组中为每个图像获取多行。

预测代码:

from keras.models import load_model
from keras.preprocessing.image import ImageDataGenerator
from keras.preprocessing.image import img_to_array, load_img
import numpy as np

# dimensions of our images.
img_width, img_height = 150, 150
batch_size = 16

test_model = load_model('first_try1.h5')


img = load_img('data/train/dogs/dog.2.jpg',False,target_size=(img_width,img_height))

validation_data_dir="test1"

test_datagen = ImageDataGenerator(rescale=1. / 255)
validation_generator = test_datagen.flow_from_directory(
    validation_data_dir,
    target_size=(img_width, img_height),
    batch_size=batch_size,
    class_mode='binary')
print(len(validation_generator.filenames))
predictions=test_model.predict_generator(validation_generator,len(validation_generator.filenames));
#print(predictions)

输出:

Found 5 images belonging to 1 classes.
5
[[ 0.0626688 ]
 [ 0.07796276]
 [ 0.46529126]
 [ 0.28495458]
 [ 0.07343803]
 [ 0.07343803]
 [ 0.0626688 ]
 [ 0.46529126]
 [ 0.28495458]
 [ 0.07796276]
 [ 0.0626688 ]
 [ 0.28495458]
 [ 0.07796276]
 [ 0.46529126]
 [ 0.07343803]
 [ 0.07796276]
 [ 0.46529126]
 [ 0.0626688 ]
 [ 0.07343803]
 [ 0.28495458]
 [ 0.0626688 ]
 [ 0.07796276]
 [ 0.46529126]
 [ 0.07343803]
 [ 0.28495458]]

Answer 1

因此根据文档，您调用生成器 len(validation_generator.filenames) 次 - 每次调用都会提供大小为 batch_size 的样本。由于 ImageGenerator 的实现方式 - 如果没有足够的文件来完成批处理(在你的情况下你有 batch_size=16 但你的文件夹中只有 5 张图像) - 最大值返回可能的图像数量 - 在你的情况下 - 5. 所以你得到 len(validation_generator.filenames) * 5 = 25 要评估的图像 - 这就是为什么你有这样的结果(如果你仔细观察- 你在每 5 个数字中都有相同的值)。为了按照 filenames 的顺序获取此示例，您需要创建一个新的生成器，并将 shuffle 选项设置为 False 并使用 batch_size =5 并调用一次(或者例如使用 batch_size=1 并调用它 5 次)。