keras CNN model.predict_classes return 3 元素数组

Question

我在 CNN 的 Keras 上训练了一个模型，它应该得到具有形状 (-1,32,32,1) 的图像的输入训练后，我通过向模型输入新图像来测试模型并使用 model.predict_class 获得预测并检查预测是否与所需标签匹配，但是模型 return 是一个包含 3 个元素的数组([3 12 22]) 为什么它没有 return 一个 class '

这是预测前图像的预处理代码

        read_img = cv2.imread('test-images/' + file + '/' + img)
        read_img = read_img.reshape( -1,32, 32, 1)
        read_img = read_img.astype('float32')/255
        maxind = model.predict_classes(read_img)

这是预测的输出

[22 12  4]

用于构建模型的代码：

model = Sequential()

model.add(Conv2D(filters=32, kernel_size=2,padding='same',activation='relu',input_shape=(32,32,1)))

model.add(MaxPooling2D(pool_size=2))

model.add(Conv2D(filters=64, kernel_size=2, padding='same', activation='relu'))

model.add(MaxPooling2D(pool_size=2))

model.add(Flatten())

model.add(Dense(1024, activation='relu'))

model.add(Dropout(0.2))

model.add(Dense(24, activation='softmax'))

model.summary()

模型输入、输出和图像形状

model.inputs = [tf.Tensor 'conv2d_1_input:0' shape=(?, 32, 32, 1) dtype=float32]

model.outputs = [tf.Tensor 'dense_2/Softmax:0' shape=(?, 24) dtype=float32]

read_img.shape = (3, 32, 32, 1)

Answer 1

简短的回答是：你有 3 个矢量类因为你在网络中放入了 3 张图像。请查看输入张量的形状/

read_img.shape = (3, 32, 32, 1)

第一个维度 - 3 - 它是批量大小，这意味着你的网络对示例进行预测 - 这就是你的预测有 3 类的原因。请检查输入图像的尺寸以确定您预测了多少张照片。如果您想对一张照片进行预测，您的输入必须具有 (1,32,32,1).

的形状

keras CNN model.predict_classes return 3 元素数组

keras CNN model.predict_classes return array of 3 element

python

prediction

conv-neural-network

keras