如何将for循环的结果垂直堆叠到二维数组中？

Question

我训练了 CNN 模型来对 35 个人的图像进行分类。为了测试经过训练的 CNN 模型，我使用了 70 张图像（每个人 2 张）。编写了以下 for 循环来预测 70 张图像的概率。

我需要将 70 张图像 (70 * 35) 的预测概率分配给 ndarray predicted_probabilities。

actual_values_images = []
predicted_values_images = []
predicted_probabilities = np.empty((70, 35), int)

for testImage in test_image_folder: 
    img = folder_path+str(testImage)
    img = image.load_img(img, target_size=(64, 64))
    img = image.img_to_array(img)
    img = np.expand_dims(img, axis=0)

    result=classifier.predict(img,verbose=0) 
    actual_values_images.append(str(testImage[1:-4]))

    predicted_probabilities = numpy.vstack([predicted_probabilities, result])
    
    predicted_values_images.append(ResultMap[np.argmax(result)])
    predicted_probabilities_images.append(result)

但是当上面的代码运行时，predicted_probabilities 的形状将是 (140, 35)。看起来相同的结果被垂直附加了两次。如何正确地将概率值垂直附加到二维数组以获得 (70, 35) 的形状？

Answer 1

最简单的方法是将结果直接分配给数组。

actual_values_images = []
predicted_values_images = []
predicted_probabilities = np.empty((70, 35), int)

for index, testImage in enumerate(test_image_folder):
    img = folder_path+str(testImage)
    img = image.load_img(img, target_size=(64, 64))
    img = image.img_to_array(img)
    img = np.expand_dims(img, axis=0)

    result=classifier.predict(img,verbose=0) 
    actual_values_images.append(str(testImage[1:-4]))

    predicted_probabilities[index] = result[0] # assign directly to the array
    
    predicted_values_images.append(ResultMap[np.argmax(result)])
    predicted_probabilities_images.append(result)

稍微好一点的方法是将结果收集在列表中，然后将其转换为数组。但最有效的方法是批量处理图像，然后合并结果。速写：

def load2tensor(image_path):
  img = image.load_img(image_path, target_size=(64, 64))
  img = image.img_to_array(img)
  return img

def batchify(images_list, actual_values, batch_size=32):
  batch = []
  batchNames = []
  batchActual = []
  for img, actual in zip(images_list, actual_values):
    batchActual.append(actual)
    batchNames.append(img)
    batch.append(load2tensor(img))
    if len(batch) == batch_size:
      yield np.vstack(batch), batchNames, batchActual
      batch = []
    continue
  if len(batch) > 0:
    yield np.vstack(batch), batchNames, batchActual
  return

actual_values_images = []
predicted_values_images = []
predicted_probabilities = []

for batch, names, actual in batchify(test_images, actual_values_images, batch_size=32):
  result = classifier.predict(batch, verbose=0)
  predicted_probabilities.append(result)
  # ... rest of the code with actual_values_images, predicted_values_images

我不确定这是否完全正确，但它应该给你一个大概的想法。