凯拉斯: model.evaluate_generator和model.predict_generator有什么区别？
我使用keras数据增强来执行图像分类(十类图像)。最后一个训练时期给出了如下结果：
Epoch 50/50
4544/4545 [============================>.] - ETA: 0s - loss: 0.7628 - acc: 0.7359 loss: 0.762710434054
New learning rate: 0.00214407973866
4545/4545 [==============================] - 115s - loss: 0.7627 - acc: 0.7360 - val_loss: 0.5563 - val_acc: 0.8124然后通过以下方法评估训练后的模型：
scores = model.evaluate_generator(test_generator,1514) #1514 testing images
print("Accuracy = ", scores[1])它会导致以下结果：
('Accuracy = ', 0.80713342132152621)精度与上一个训练时期获得的精度不完全相同。我不明白其中的区别，即使它是边缘的。
此外，model.predict_generator给出了完全不同的结果，它是一个如下所示的数组：
array([[ 4.98306963e-06, 1.83774697e-04, 5.49453034e-05, ...,
9.25193787e-01, 7.74697517e-04, 5.79946618e-06],
[ 2.06657965e-02, 2.35974863e-01, 2.66802781e-05, ...,
2.16283044e-03, 8.42395966e-05, 2.46680051e-04],
[ 1.40222355e-05, 1.22740224e-03, 7.52218883e-04, ...,
3.76749843e-01, 3.85622412e-01, 6.47417846e-06],
...,
[ 9.94064331e-01, 1.30184961e-03, 1.08694976e-05, ...,
1.25828717e-06, 2.29093766e-05, 9.01326363e-04],
[ 7.10375488e-01, 2.01397449e-01, 3.10241080e-06, ...,
3.66877168e-10, 1.66322934e-05, 1.93767438e-08],
[ 8.13350256e-04, 2.67575349e-04, 6.79878794e-05, ...,
8.63052785e-01, 9.70983761e-04, 8.54507030e-04]], dtype=float32)我不知道这个矩阵代表什么，也不知道model.evaluate_generator和model.predict_generator之间的区别。
注意，所得到的阵列具有1514×10的形状。该阵列应该是该组测试图像的每个类别处的预测概率。如果是这样，如何根据结果计算混淆矩阵？
回答 3
Stack Overflow用户
发布于 2016-11-15 00:05:55
predict_generator获取您的测试数据并给出输出。
evaluate_generator同时使用您的测试输入和输出。它首先使用训练输入预测输出，然后通过将其与测试输出进行比较来评估性能。因此，它给出了性能的衡量标准，即在您的情况下的准确性。
Stack Overflow用户
发布于 2019-09-03 03:44:22
我也遇到过类似的问题，我解决了生成器中的shuffle = False问题。我的猜测是，如果训练批次不是元素的倍数，则不考虑最后一个不完整的批次，并且已经洗牌排除的元素是随机的，并且结果是直接改变的。
Stack Overflow用户
发布于 2019-07-29 20:25:13
要绘制混淆矩阵，您需要从sklearn导入上述
from sklearn.metrics import confusion_matrix
import itertools
import matplotlib.pyplot as plt绘制混淆矩阵，test_labels，类(最后一个完全连接的层，输出层的输出数)。看起来你已经把这部分弄清楚了。接下来，您需要test_labels和预测具有相同的维度，您可以使用np.reshape和np.transpose来获得所需的结果。有关语法和定义，请访问下面提到的链接
https://docs.scipy.org/doc/numpy/reference/generated/numpy.reshape.html
https://docs.scipy.org/doc/numpy/reference/generated/numpy.transpose.html
现在，要绘制混淆矩阵，可以使用sklearns文档中的代码
https://scikit-learn.org/stable/auto_examples/model_selection/plot_confusion_matrix.html
谢谢。希望这能帮到你。
https://stackoverflow.com/questions/40564936
复制相似问题
腾讯云开发者
