Question

我在Keras成功训练了一个简单的模型来分类图像：

model = Sequential()

model.add(Convolution2D(32, 3, 3, border_mode='valid', input_shape=(img_channels, img_rows, img_cols),
                        activation='relu', name='conv1_1'))
model.add(Convolution2D(32, 3, 3, activation='relu', name='conv1_2'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(Convolution2D(64, 3, 3, border_mode='valid', activation='relu', name='conv2_1'))
model.add(Convolution2D(64, 3, 3, activation='relu', name='conv2_2'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(Flatten())
model.add(Dense(512, activation='relu'))
model.add(Dropout(0.5))

model.add(Dense(nb_classes, activation='softmax'))

model.compile(loss='categorical_crossentropy', optimizer=sgd, metrics=['accuracy'])

我还可以使用

预测图像类

y_pred = model.predict_classes(img, 1, verbose=0)

然而y_pred的输出始终是二进制的。使用predict_proba和predict时似乎也是这种情况。我的输出是这种形式

[[ 1.  0.  0.  0.]]
[[ 0.  1.  0.  0.]]

这可行，但我希望每个分类都有一个概率百分比，例如

[[ 0.8  0.1  0.1  0.4]]

我如何在Keras得到这个？

Answer 1

Softmax可能会产生“一热”的输出。请考虑以下示例：

# Input; Exponent; Softmax value 
20    485165195  0.99994
 9         8103  0.00002
 5          148  0.00000
10        22026  0.00005
------------------------
# Sum 485195473  1

由于指数函数增长得非常快softmax开始产生从数量级1开始的单热输出。在Keras implementation of the softmax function中，从输入中减去最大值，但在上面所述这种情况不会有任何区别。

解决此问题的可能方法：

确保重新调整输入图像，使像素值介于0和1之间。
为您的模型添加一些regularizers。

在Keras获得预测

1 个答案: