如何将decode_predictions()用于非Imagenet模型..？

Question

我知道decode_predictions()只适用于VGG16等模型的imagenet (1000个类)，但更适合我的场景。

我的场景

我使用了vgg16预先训练过的模型，并增加了自己的权重。

这是一个非Imagenet模型。我提到了classes=9，因为我只使用了9个类来训练我以前的模型。

因此，现在要找到预测，我可以使用预测()方法，然后我的print(答案)会给出相应的类标签。但实际上，我需要打印类名。这有可能得到类名吗？如果是的话，有人能解释我是怎么做到的吗？

Answer 1

在深度学习中，当您执行预测时，您将得到在您的情况下的预测，这是一个包含9个概率的数组。因此，首先对它们执行以下操作。

import numpy as np

prediction = model.prediction(test_data) 
# prediction will contain [[0.6, 0.05, 0.05, 0.05, 0.05, 0.05, 0.05, 0.05, 0.05]]

prediction = np.argmax(prediction[0])
# Now predition hold the index of the (0.6) i.e max probability value

在那之后，您应该有一个字典，其中包含0，1，2，..8和值为classname1、classname2、...classname9

这就是将类名作为输出的方式。