如何让多类 Keras 模型输出类别名称而不是概率？

Question

我理解将训练数据中的标签作为 one-hot 编码传递给 Keras 模型的想法，但我正在尝试创建一个模型，该模型将在推理期间返回一个字符串，而不是我的 one-hot 编码我必须自己解码。

具体来说，我不想做以下事情：

encoder = LabelEncoder() 
encoder = encoder.fit(labels)
encoded_Y = encoder.transform(labels)
y_true = np_utils.to_categorical(encoded_Y). # Model accepts this during training

prediction = model.predict(query)
label_string = encoder.inverse_transform(prediction)

如何创建一个模型来调用.predict() 并返回一些自定义的内容，例如最高预测的字符串及其对应的概率？

Answer 1

您可以获取一个完整的模型，并在其之上创建一个包含后处理功能的自定义模型。

让我们采用预训练模型：

import tensorflow as tf
from skimage.data import chelsea

model = tf.keras.applications.MobileNetV2()

该模型带有一个函数，该函数将输出概率矩阵转换为字符串（您必须自己制作）

decoder = tf.keras.applications.mobilenet_v2.decode_predictions

然后，我们创建一个包含两部分的模型：1）模型 2）后处理函数

class NewModel(tf.keras.models.Model):
    def __init__(self, model, decoder):
        super(NewModel, self).__init__()
        self.model = model
        self.decoder = decoder

    def call(self, x):
        x = self.model(x).numpy()
        x = self.decoder(x)
        return x


m = NewModel(model, decoder)

现在，只需使用适当的输入调用它：

cat_picture = tf.image.resize(chelsea(), (224, 224))[None, ...]/255

m(cat_picture)

[[('n02124075', 'Egyptian_cat', 0.7610773),
  ('n02123045', 'tabby', 0.12039327),
  ('n02123159', 'tiger_cat', 0.039847013),
  ('n02127052', 'lynx', 0.009957394),
  ('n04553703', 'washbasin', 0.0015057808)]]

它返回后处理函数的输出。