如何从图像分类中的卷积神经网络中获取预测标签

Question

我用 Convolution Neural Net 或 CNNs 构建了一个 CIFAR-10 图像分类模型。
该模型已完全完成并获得了大约 59% 的准确率，但我的问题是如何从模型中获取预测标签。它可以预测这些类(10):

['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']

我想说的是，例如，我们给模型一个飞机的图像，它应该预测并在预测后向我显示标签，但是 我不明白如何获取预测标签。

这是我试过的，但不明白输出是什么：

with tf.Session() as sess:
    sess.run(init)
    print(sess.run(tf.argmax(y_pred, 1), feed_dict={x:ch.test_images, y_true:ch.test_labels, hold_prob:1.0}))
    print(sess.run(tf.argmax(y_true, 1), feed_dict={x:ch.test_images, y_true:ch.test_labels, hold_prob:1.0}))

输出：

[0 0 0 ... 0 3 3]
[3 8 8 ... 5 1 7]

规格：
TENSORFLOW 版本：1.15.2
编辑：Google Colab
OS: Windows 7

GOOGLE COLAB 文件 LINK： https://drive.google.com/file/d/1NpYGWvo9bNG0SJsFJ6R3se46b1ovDUX8/view?usp=sharing 注意： link 已过时

如果您想了解更多信息或不想对问题提出任何疑问，请告诉我！

Answer 1

你得到的是 class 的 indexes，也就是每个 class 所代表的数字。在您的示例中，0 表示 'airplane'，1 表示 'automobile'，依此类推。

要获取名称，您只需访问 class 个名称即可。

classes=['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']
with tf.Session() as sess:
    sess.run(init)
    idxs = sess.run(tf.argmax(y_pred, 1), feed_dict={x:ch.test_images, y_true:ch.test_labels, hold_prob:1.0}))
    labels = [classes[idx] for idx in idxs]
    print(labels)

如何从图像分类中的卷积神经网络中获取预测标签

How get the predicted label from a Convolution Neural Net in image classification

python

machine-learning

predict

conv-neural-network

tensorflow