绘制模型多标签分类的所有预测

Question

我想绘制我正在尝试训练的模型的输入和输出：

输入数据形状：

processed_data.shape
(100, 64, 256, 2)

看起来如何：

processed_data
array([[[[ 1.93965047e+04,  8.49532852e-01],
         [ 1.93965047e+04,  8.49463479e-01],

输出数据形状：

output.shape
(100, 6)

输出基本上是每个标签的概率

output = model.predict(processed_data)

output
array([[0.53827614, 0.64929205, 0.48180097, 0.50065327, 0.43016508,
        0.50453395]

我想以某种方式为处理过的数据中的每个实例绘制类的预测概率（因为这是多标签分类问题），但我正在努力这样做。那么我如何绘制处理后的数据但不确定如何绘制每个输入实例的概率。我希望能够在每个输出上标记所有 6 个可能的类。我有点失落... 有什么建议吗？

到目前为止我只绘制输入：形状 = output.shape[0]

for i in range(it):
    fig,axs = plt.subplots(5,2,figsize=(10,10))

    if isinstance(data,list): 
        inp = data[i]
        outp = output[i]
    else: 
        inp = data
        outp = output

    for j in range(5):
        r = randint(0,shape)
        axs[j,0].imshow(inp[r,...,0]); 
        axs[j,0].title.set_text('Input {}'.format(r))

Answer 1

现在我编辑了我的回复，因为我更好地理解了这个问题。此代码将绘制图像和输出。

import matplotlib.image as mpimg
import numpy as np
import matplotlib.pyplot as plt

img_paths = ['../python/imgs/Image001.png',
             '../python/imgs/Image002.png',
             '../python/imgs/Image003.png',
             '../python/imgs/Image004.png',
             '../python/imgs/Image005.png']

input  = np.array([mpimg.imread(path) for path in img_paths])
output = np.random.rand(5, 6)

print(input.shape, output.shape)

fig, axs = plt.subplots(2, 5, figsize=(8, 4), sharey = 'row')

for i, sample in enumerate(range(5)):
    o = output[sample]

    axs[0,i].set_title(f'Sample {sample + 1}')
    axs[0,i].imshow(input[i,:])
    axs[0,i].axis('off')

    axs[1,i].bar(range(6), o)
    axs[1,i].set_xticks(range(6))
    axs[1,i].set_xticklabels([f'{i+1}' for i in range(6)])

plt.show()

输出：

(5, 1510, 2560, 4) (5, 6)

重要的部分是 plt.subplots 调用，您可以在其中创建您喜欢的绘图网格（如果您想实际绘制所有 100 张图像，您可能更喜欢垂直布局）。

绘制模型多标签分类的所有预测

Plot all predictions of the model multi-label classification

python

matplotlib

neural-network

multilabel-classification

conv-neural-network