Keras model.predict 用于多项逻辑回归
Keras model.predict for multinomial logistic regression
我正在训练一个模型，其输出是大小为 19 的 softmax 层。当我尝试 model.predict(x) 时，对于每个输入，我得到的似乎是 19 [=16= 的概率分布].我尝试了 model.predict_classes，得到了一个大小为 x 的 numpy 数组，每个输出都等于 0。我怎样才能得到一个输出的热向量？
因此 predcit_classes is somehow misleading because if you check carefully its implementation, you'll find out that it works only for binary classification. In order to solve your problem you may use the numpy library (basically - a function argmax) 的文档如下：
import numpy as np
classes = np.argmax(model.predict(x), axis = 1)
.. 以便为每个示例获取一个带有 class 数字的数组。为了获得 one-hot 向量 - 您可以按以下方式使用 keras 内置函数 to_categorical：
import numpy as np
from keras.utils.np_utils import to_categorical
classes_one_hot = to_categorical(np.argmax(model.predict(x), axis = 1))
我正在训练一个模型，其输出是大小为 19 的 softmax 层。当我尝试 model.predict(x) 时，对于每个输入，我得到的似乎是 19 [=16= 的概率分布].我尝试了 model.predict_classes，得到了一个大小为 x 的 numpy 数组，每个输出都等于 0。我怎样才能得到一个输出的热向量？
因此 predcit_classes is somehow misleading because if you check carefully its implementation, you'll find out that it works only for binary classification. In order to solve your problem you may use the numpy library (basically - a function argmax) 的文档如下：
import numpy as np
classes = np.argmax(model.predict(x), axis = 1)
.. 以便为每个示例获取一个带有 class 数字的数组。为了获得 one-hot 向量 - 您可以按以下方式使用 keras 内置函数 to_categorical：
import numpy as np
from keras.utils.np_utils import to_categorical
classes_one_hot = to_categorical(np.argmax(model.predict(x), axis = 1))