Q1

Question

Q1

我训练了一个CNN模型并将其保存为model.h5。我试图检测3个物体。说，＆＃34; cat＆＃34;，＆＃34; dog＆＃34;和＆＃34;其他＆＃34;。我的测试集有300张图片，每个类别100张。前100是＆＃34;猫＆＃34;，第2 100是＆＃34;狗＆＃34;而第3 100则是＃34;其他＆＃34;。我正在使用Keras课程ImageDataGenerator和flow_from_directory。以下是示例代码：

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取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]

这基本上是将对象预测为0,1和2.现在我知道前100个对象（cat）为0，第二个100对象（dog）为1，第三个100对象（其他）为2.我是否创建使用numpy手动列表，其中前100个点为0，第2个100点为1，第3个100点为2以获得y_test？有没有可以做到的Keras类（创建y_test）？

Q2

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，这是错误的预测。怎么能看到那个图像而不进入我的＆＃34; test_dir＆＃34;文件夹手动？

Answer 1

由于您未使用任何扩充和shuffle=False，因此您只需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

使用绘图库（如Pillow（PIL）或MatplotLib）在imgBatch中绘制每个图像。

要仅绘制所需图像，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

Keras + Tensorflow中的混淆矩阵

Q1

Q2

1 个答案: