imagedatagenerator 的 .classes 方法是否已排序？

【问题标题】：is the .classes method of a imagedatagenorator sorted?imagedatagenerator 的 .classes 方法是否已排序？
【发布时间】：2022-11-12 17:24:42
【问题描述】：

任何人都知道我这样做是否正确，基本上我正在尝试创建一个 CM，我有我的 y_pred，显然我需要我的基本事实，或者我正在尝试使用 testdata.classes（这是他们在网上做的，testdata是 imagedatagenerator 的一个实例）但是 .classes 似乎只返回我所有类的排序列表，而不是与我的预测相符的类列表。因此，我认为我得到了一个非常不准确的 CM。知道如何获得预测的基本事实吗？

这是我在 .classes 中的意思的一个例子，这个列表按 0-15 的顺序排列。顺便说一句，我的模型准确率为 95%，所以我希望这些模型能更好地排列

我希望 y_pred 和 dataset.classes 95% 的时间都相同

【问题讨论】：

标签： python tensorflow machine-learning conv-neural-network imagedatagenerator

【解决方案1】：

这是一个常见的问题。

generator.classes 不应用作基本事实标签，因为它们的排序方式与您获得预测的方式不同。因此，您计算的任何指标都是错误的。

一个通用且正确的方法是迭代生成器，假设它是Sequence 的子类：

all_y_pred = []
all_y_true = []

for i in range(len(generator)):
    x, y = generator[i]
    y_pred = model.predict(x)
    
    all_y_pred.append(y_pred)
    all_y_true.append(y)

all_y_pred = np.concatenate(all_y_pred, axis=0)
all_y_true = np.concatenate(all_y_true, axis=0)

metric = compute_your_metric(all_y_true, all_y_pred)

如您所见，您需要迭代生成器，按批次计算预测，并且在每个批次上您还可以访问真实标签，因此您可以在某些列表上累积这两个标签，然后将它们组合起来计算您想要的指标。

【讨论】：