分类器如何预测一个类别？（对于张量流/keras）答案

【问题标题】：How does classifier predict a class? (for tensorflow/keras)分类器如何预测一个类别？（对于张量流/keras）
【发布时间】：2021-03-01 01:49:02
【问题描述】：

我想自己实现模型，因此必须知道它是如何对数据进行分类的。我为 12 类分类器建立了一个模型，它预测得很好。但是最后一个 conv 层只输出 12 个浮点值，我不知道它是如何突然预测正确的类的。

谁能帮我解释一下？就像它取决于某个阈值还是选择最大值或其他什么？谢谢！

【问题讨论】：

标签： python tensorflow keras deep-learning classification

【解决方案1】：

根据SparseCategoricalAccuracy的文档，相当于这个计算：

acc = np.dot(sample_weight, np.equal(y_true, np.argmax(y_pred, axis=1))

这意味着它计算y_pred 的每行最大值与y_true 匹配的频率。例如：

m = tf.keras.metrics.SparseCategoricalAccuracy()
m.update_state([[2], [1]], [[0.1, 0.6, 0.3],  # max at 1 
                            [0.05, 0.95, 0]]) # max at 1 
m.result().numpy()

0.5

因为[2] != [1] 和[1] == [1] 在0.5 的时间里是相等的。

【讨论】：

【解决方案2】：

您需要在模型中添加一个展平层，然后是一个密集层。密集层应该有 12 个节点并使用如下所示的 softmax 激活“您的模型现在将为每个图像输出一个包含 12 个概率值的列表。

flatten=tf.keras.layers.Flatten()(last_conv_layer)
output = Dense(12, activation='softmax')(flatten)
#after you train you can evaluate your model on your test set using model.evaluate() 
#to make Predictions use model.predict()
predictions=model.predict(.....
#you can get the index of the predicted class for the images you predict with
for p in predictions:
    predicted_index=argmax(p)
    print (predicted_index)

model.evaluate 和 model.predict 的文档是 here. 添加这两个层后不要忘记重新编译模型。

【讨论】：