我有a Facebook implementation of the ResNet model前向传球的输出Tensor和猫图像。这是具有分类概率的1000维张量。使用torch.topk我可以在输出张量中获得前5个概率及其索引。现在我想看看那些最可能的索引的人类可读标签。
我在网上搜索了标签列表（显然也称为sysnets）并且只发现了这个： http://image-net.org/challenges/LSVRC/2015/browse-synsets
我将这些标签放在一个文件中，使用行号作为标签索引，当我用两个不同的猫图像运行网络时，我得到了＆＃34;螺丝刀＆＃34;作为两者的最佳猜测。如果我按字母顺序对标签文件进行排序，我会得到电影＆＃34;对于两者。
这似乎是将索引转换为标签的问题，对吧？ 所以......问题是： 如何正确地将网络输出张量中的索引映射到Imagenet标签？
答案 0 :(得分：1)
找到this tutorial on training ConvNets on ImageNet by Dato，最后它包含正确的映射。在此报告以备记录：
{
0: 'tench, Tinca tinca',
1: 'goldfish, Carassius auratus',
2: 'great white shark, white shark, man-eater, man-eating shark, Carcharodon carcharias',
3: 'tiger shark, Galeocerdo cuvieri',
4: 'hammerhead, hammerhead shark',
5: 'electric ray, crampfish, numbfish, torpedo',
6: 'stingray',
7: 'cock',
8: 'hen',
9: 'ostrich, Struthio camelus',
10: 'brambling, Fringilla montifringilla',
... [truncated for space]
990: 'buckeye, horse chestnut, conker',
991: 'coral fungus',
992: 'agaric',
993: 'gyromitra',
994: 'stinkhorn, carrion fungus',
995: 'earthstar',
996: 'hen-of-the-woods, hen of the woods, Polyporus frondosus, Grifola frondosa',
997: 'bolete',
998: 'ear, spike, capitulum',
999: 'toilet tissue, toilet paper, bathroom tissue'
}