使用Keras获得二进制分类的输出置信度

Question

我正在尝试在Keras中建立一个非常浅的二进制分类网络，以便区分两个域。

我想获得每个预测的概率（或某种置信度得分）。

我从这样的文件夹中读取数据：

train_it = datagen.flow_from_directory('sim2city/train/', class_mode='binary', batch_size=32)
val_it = datagen.flow_from_directory('sim2city/val/', class_mode='binary', batch_size=32)
test_it = datagen.flow_from_directory('sim2city/test/', class_mode='binary', batch_size=1)

我没有做任何其他处理。 我试图训练5个这样的时间：

model = keras.Sequential([
      keras.layers.Flatten(input_shape=(256, 256, 3)),
      keras.layers.Dense(32, activation=tf.nn.relu),
    #keras.layers.Dense(16, activation=tf.nn.relu),
      keras.layers.Dense(2, activation=tf.nn.softmax)
   ])

然后

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])
predict = model.predict_generator(test_it, steps=NumImgs)

，但是结果的值为0/1或1/0，介于两者之间的值不能用作置信度得分。另外，对我来说，这很奇怪，因为总准确度不是100％，因此，如果我有一些错误的分类，我想至少应该对此不太确定。