Question

我为ImageDataGenerator创建了一个分类器，该分类器是使用flow_from_directory创建的，例如：

training_imGenProp = ImageDataGenerator(
    rescale=1. / 255,
    width_shift_range=0.02,
    height_shift_range=0.02,
)

training_imGen = training_imGenProp.flow_from_directory(
    'Location/to/train/images',
    target_size=(74, 448),
    batch_size=batchSize,
    class_mode='binary',
)

运行它时，我在以下代码段的最后一行得到TypeError: unhashable type: 'numpy.ndarray'：

predictions = classifier.predict_generator(testing_imGen)
predictions = (predictions >= 0.5).astype(int)
label_map = (training_imGen.class_indices)
inverted_label_map = dict((v, k) for k, v in label_map.items())  #flip k,v
predictions = [label_map[k] for k in predictions]

可能是什么原因造成的？

另外，我应该如何继续从该分类器结果生成混淆矩阵？

此：

tn, fp, fn, tp = confusion_matrix(label_map, predictions).ravel()

引发错误ValueError: Found input variables with inconsistent numbers of samples: [2,(663, 1)]。

Answer 1

因此，经过长时间的摸索，问题出在最后的列表理解之内，因为predictions是一个列numpy数组，例如[[1],[1],[0], ..., [0]]。

因此只需访问以下内容中的整数值：

textual_predictions = [s_label_map[k] for k in predictions.T[0]]

另外，创建混淆矩阵时出现了另一个错误，该错误输入的变量是错误的：

tn, fp, fn, tp = confusion_matrix(testing_imGen.classes, predictions.T[0]).ravel()

使用Keras ImageDataGenerator预测进行索引会产生无法散列的类型错误

1 个答案: