Keras 的 model.predict() 给出带有 softmax 激活层的二进制输出答案

【问题标题】：Keras' model.predict() give an output in binary with softmax activation layerKeras 的 model.predict() 给出带有 softmax 激活层的二进制输出
【发布时间】：2021-04-22 19:24:07
【问题描述】：

我从 Keras 训练了 40 个类的 InceptionResNetV2，并使用 model.evaluate() 对其进行了测试；一切都很好。但是当我尝试对单个图像使用 model.predict() 时，我得到的输出类似于

[[0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]] 而不是概率分布。

用于错误重现的 Colab：https://colab.research.google.com/drive/1BTuNdwQK5CqaggBVAfJ1cTTR2Qp0GH6v?usp=sharing

Model Architecture

【问题讨论】：

请提供一些代码来重现...
链接@DavidThery的编辑问题
输出层需要激活，好像它丢失了，你只有一个密集层。例如activation='sigmoid'
在处理多个类时输出激活不应该是'softmax'吗？
是的，没错。你的预测准确吗？如果不是，它似乎过拟合。您可以尝试几件事：第一次查看您提供的数据，第二次查看训练集，模型表现如何？是否可以显示代码，您如何传输预训练的权重？因为您的 colab 从加载模型开始。我认为需要完整的图片。

标签： python tensorflow keras

【解决方案1】：

21 是预测类别的索引，您有 40 个类别。如果你有你的类的列表，即 class_list[etc...] 类是 class_list[21]

【讨论】：

我实际上是在测试一个class_list[0]的类，使用的图片是用来测试的，请参考colab链接

【解决方案2】：

使用 Keras 的内置函数预处理测试图像对我来说很有帮助。

from keras.applications.inception_resnet_v2 import preprocess_input 
img_batch = preprocess_input(img_batch)

【讨论】：

【解决方案3】：

而不是model.predict，像这样使用model.predict_proba：

predict_proba(image, batch_size = 32, verbose = 1)

【讨论】：

它给出了与之前相同的结果