model.predict_generator() 和 model.predict() 在多类别分类中给出不同的输出标签？答案

【问题标题】：model.predict_generator() and model.predict() gives different output label in multicategories classification?model.predict_generator() 和 model.predict() 在多类别分类中给出不同的输出标签？
【发布时间】：2019-11-27 11:58:15
【问题描述】：

使用model.predict_generator() 绘制混淆矩阵会得到很好的结果，而使用model.predict() 预测单个图像会得到不同的输出标签。

from sklearn.externals import joblib
loaded_model = joblib.load("CNNmodel.pkl")

from keras.preprocessing.image import ImageDataGenerator
test_datagen = ImageDataGenerator(rescale=1./255)
test_set = test_datagen.flow_from_directory(
        'dataset/Test',
        target_size=(28, 28),
        batch_size=32,shuffle=False,
        color_mode='grayscale',
        class_mode='categorical')
import matplotlib.pyplot as plt
test_set.reset() 
Y_pred = loaded_model.predict_generator(test_set,4930 // 32+1)
y_pred = np.argmax(Y_pred,axis=-1)
s=confusion_matrix(test_set.classes,y_pred)

this gives good confusion matrix result but

test_image=image.load_img('dataset/Test/character_1_ka/017_02.jpg',target_size=(28,28),color_mode='grayscale')
test_image=image.img_to_array(test_image)
test_image=np.expand_dims(test_image,axis=0)
result=loaded_model.predict(test_image)

在预测单个图像时，它不会预测predict_generator 提供的结果。它预测所有图像的相同输出。单个图像预测为不同的图像提供相同的输出标签 [43]。

【问题讨论】：

显示您遇到错误的特定部分

标签： opencv machine-learning deep-learning conv-neural-network handwriting-recognition

【解决方案1】：

test_datagen 使用 rescale=1./255，即将数据标准化。基本上它将 1/255 乘以测试集中的所有图像。

当您通过预测时，您尚未将其应用于图像。

试试

test_image  = test_image/255.

然后将其传递给预测，它应该可以正常工作。

【讨论】：