【发布时间】:2022-07-04 21:32:23
【问题描述】:
def locations_model(...):
input_shape = image_shape + (3,)
base_model = tf.keras.applications.MobileNetV2(...) base_model.trainable = False
inputs = tf.keras.Input(...)
... ...
outputs = tfl.Dense(5, activation = "softmax")(x)
model = tf.keras.Model(inputs, outputs)
return model
上面的代码只是在一个 tf.keras 模型中显示输入和输出,该模型将输入图像分为 5 个类别。 如何保存每个输入图像的输出类别(“y_pred”)?
简单的语句
ypreds = model(inputs)
或ypreds = model.predict(inputs) 生成一组加到 1 的 5 元素数组,即概率。
因此,问题是如何输出预测的类别,在这种情况下是整数:0-4,而不是概率。
更新:这是 Apostolova 对 Lodzz 的“从 Keras 功能模型获取类标签”问题的回答,如
test_probas = model.predict(test_data)
test_classes = probas.argmax(axis = -1)
【问题讨论】:
-
为了格式化代码,你必须在代码的开头和结尾放置三个反引号(```)。确保将反引号放在空行上,而不是放在已经包含代码的行上。此外,您可以在前三个反引号后添加语言标识符。
-
正如我在编辑后的问题中所写,Emilia Apostolova 已经弄清楚了。代码是
probas = model(x_in); x_classes = probas.argmax( axis = - 1)
标签: python tensorflow keras file-io