如何在测试集中找到错误的预测案例（使用Keras的CNN）

Question

我正在使用带有60000训练图像和10000测试图像的MNIST示例。如何找到具有错误分类/预测的10000个测试图像中的哪一个？

Answer 1

只需使用model.predict_classes()并将输出与真实的实验进行比较。即：

incorrects = np.nonzero(model.predict_class(X_test).reshape((-1,)) != y_test)

获取错误预测的索引

Answer 2

如先前不清楚的编辑

要识别分类错误的图像文件，可以使用：

fnames = test_generator.filenames ## fnames is all the filenames/samples used in testing
errors = np.where(y_pred != test_generator.classes)[0] ## misclassifications done on the test data where y_pred is the predicted values
for i in errors:
    print(fnames[i])