Keras+Tensorflow 中的混淆矩阵

Question

第一季度

我已经训练了一个 CNN 模型并将其保存为 model.h5。我正在尝试检测 3 个对象。比如说“猫”、“狗”和“其他”。我的测试集有 300 张图片，每个类别 100 张。第一个 100 是“猫”，第二个 100 是“狗”，第三个 100 是“其他”。我正在使用 Keras 类 ImageDataGenerator 和 flow_from_directory。这是示例代码：

test_datagen = ImageDataGenerator(rescale=1./255)
test_generator = test_datagen.flow_from_directory(
        test_dir,
        target_size=(150, 150),
        batch_size=20,
        class_mode='sparse',
        shuffle=False)

现在使用

from sklearn.metrics import confusion_matrix

cnf_matrix = confusion_matrix(y_test, y_pred)

我需要y_test 和y_pred。我可以使用以下代码获得y_pred：

probabilities = model.predict_generator(test_generator)
y_pred = np.argmax(probabilities, axis=1)
print (y_pred)

[0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 1 0 0 0 0 0 0 1 0 0 0
 0 0 0 0 1 0 0 0 0 1 2 0 2 0 0 0 1 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 1 1
 0 2 0 0 0 0 1 0 0 0 0 0 0 1 0 2 0 1 0 0 1 0 0 1 0 0 1 1 1 1 1 1 1 1 1 1 2
 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1 1 1 1 1 1 1 1 1 2 1 1 1 1
 1 1 1 2 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 2 2 1 1 1 1 1 1 2 1 1 1 1 1 1 1 1 2
 1 1 1 1 1 2 1 1 1 1 1 2 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
 2 2 2 2 2 2 2 2 2 2 2 2 1 2 2 2 2 2 2 2 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
 2 2 2 2 2 2 1 2 2 2 2 2 2 2 2 1 2 2 2 1 2 2 2 1 2 2 2 2 2 2 2 2 2 2 2 2 2
 2 2 2 2]

这基本上将对象预测为 0,1 和 2。现在我知道前 100 个对象（猫）是 0，第二个 100 个对象（狗）是 1，第三个 100 个对象（其他）是 2。我创建手动使用numpy 的列表，其中第一个 100 点为 0，第二个 100 点为 1，第三个 100 点为 2 以获得y_test？是否有任何 Keras 类可以做到（创建 y_test）？

第二季度

如何查看错误检测到的对象。如果你查看print(y_pred)，第 3 点是 1，这是错误预测的。如果不手动进入我的“test_dir”文件夹，如何查看该图像？

Answer 1

由于您没有使用任何增强和shuffle=False，您可以简单地从生成器中获取图像：

imgBatch = next(test_generator)
    #it may be interesting to create the generator again if 
    #you're not sure it has output exactly all images before

使用 Pillow (PIL) 或 MatplotLib 等绘图库在 imgBatch 中绘制每个图像。

要仅绘制所需的图像，请将y_test 与y_pred 进行比较：

compare = y_test == y_pred

position = 0
while position < len(y_test):
    imgBatch = next(test_generator)
    batch = imgBatch.shape[0]

    for i in range(position,position+batch):
        if compare[i] == False:
            plot(imgBatch[i-position])

    position += batch