我正在构建一个包含 3 个类的模型:[0,1,2]
训练结束后,.predict
函数返回百分比列表。
我正在检查 keras 文档,但无法弄清楚我做错了什么。.predict_classes
不再工作了,我以前的分类器没有这个问题。我已经尝试过不同的激活函数(relu、sigmoid 等)
如果我理解正确的话,里面的数字Dense(3...)
定义类的数量。
outputs1=Dense(3,activation='softmax')(att_out)
model1=Model(inputs1,outputs1)
model1.summary()
model1.compile(optimizer="adam", loss="sparse_categorical_crossentropy", metrics=['accuracy'])
model1.fit(x=text_pad,y=train_y,batch_size=batch_size,epochs=epochs,verbose=1,shuffle=True)
y_pred = model1.predict(test_text_matrix)
输出示例:
[[0.34014237 0.33570153 0.32415614]
[0.34014237 0.33570153 0.32415614]
[0.34014237 0.33570153 0.32415614]
[0.34014237 0.33570153 0.32415614]
[0.34014237 0.33570153 0.32415614]]
我想要的输出:
[1,2,0,0,0,1,2,0]
感谢您的任何想法。
你没有做错什么,predict
始终返回模型的输出,对于分类器来说,这始终是每个类的概率。
predict_classes
仅适用于Sequential
模型,不适用于功能模型。
但有一个简单的解决方案,你只需要采取argmax
在最后一个维度上,您将获得类别索引:
y_probs = model1.predict(test_text_matrix)
y_pred = np.argmax(y_probs, axis=-1)
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)