Keras中predict()方法和predict_classes()方法的区别

正如上篇博客中所讲，在Keras框架下执行深度学习任务时，一般会先根据训练数据集训练出模型，然后拿训练好的模型到生产环境（测试集）中部署并生产。以分类问题为例，当训练好了分类模型之后，我们要用这个模型预测测试集中每一个样本的标签，这里有两个常用的方法：predict()方法和predict_classes()方法，下面将以具体例子说明二者的区别。

相关文件的下载地址如下：
链接：https://pan.baidu.com/s/1qQU3FTtGeLYK5jXn0cRpQQ
提取码：qn8r

1 predict()方法
当使用predict()方法进行预测时，返回值是数值，表示样本属于每一个类别的概率，我们可以使用numpy.argmax()方法找到样本以最大概率所属的类别作为样本的预测标签。下面以卷积神经网络中的图片分类为例说明，代码如下：

import numpy as np
import scipy.misc
from keras.models import model_from_json
from keras.optimizers import SGD# 加载模型
model_architecture = 'cifar10_architecture.json'
model_weights = 'cifar_weights.h5'
model = model_from_json(open(model_architecture).read())       # 加载模型结构
model.load_weights(model_weights)       # 加载模型权重# 加载图片
img_names = ['cat.jpg', 'deer.jpg', 'dog.jpg']
# np.transpose:对数组进行转置，返回原数组的视图
# scipy.misc.imresize：重新调整图片的形状
# scipy.misc.imread：将图片读取出来，返回np.array类型
imgs = [np.transpose(scipy.misc.imresize(scipy.misc.imread(img_name), (32, 32)), (1, 0, 2)).astype('float32')for img_name in img_names]
imgs = np.array(imgs) / 255        # 归一化# 训练
optim = SGD()
model.compile(loss='categorical_crossentropy', optimizer=optim, metrics=['accuracy'])        # 编译模型# 预测样本属于每个类别的概率
print(model.predict(imgs))      # 打印概率
print(np.argmax(model.predict(imgs), axis=1))      # 打印最大概率对应的标签
# [[3.3745366e-01 2.2980917e-02 2.0197949e-03 1.2046755e-02 1.9850987e-03
#   1.3152690e-04 4.0220530e-03 1.3779138e-03 5.9722424e-01 2.0758053e-02]
#  [5.0913623e-06 5.6117901e-08 9.7215974e-01 2.0343825e-05 2.3693956e-02
#   1.6027538e-03 7.3659585e-06 2.5106100e-03 5.8250910e-10 1.4506637e-09]
#  [7.1339104e-03 6.1033275e-06 2.1771197e-03 9.7346401e-01 2.2141664e-06
#   1.6861971e-02 8.6817810e-05 1.2291509e-04 4.7768017e-06 1.4035056e-04]]
# [8 2 3]

效果截图如下：

2 predict_classes()方法
当使用predict_classes()方法进行预测时，返回的是类别的索引，即该样本所属的类别标签。以卷积神经网络中的图片分类为例说明，代码如下：

import numpy as np
import scipy.misc
from keras.models import model_from_json
from keras.optimizers import SGD# 加载模型
model_architecture = 'cifar10_architecture.json'
model_weights = 'cifar_weights.h5'
model = model_from_json(open(model_architecture).read())       # 加载模型结构
model.load_weights(model_weights)       # 加载模型权重# 加载图片
img_names = ['cat.jpg', 'deer.jpg', 'dog.jpg']
# np.transpose:对数组进行转置，返回原数组的视图
# scipy.misc.imresize：重新调整图片的形状
# scipy.misc.imread：将图片读取出来，返回np.array类型
imgs = [np.transpose(scipy.misc.imresize(scipy.misc.imread(img_name), (32, 32)), (1, 0, 2)).astype('float32')for img_name in img_names]
imgs = np.array(imgs) / 255        # 归一化# 训练
optim = SGD()
model.compile(loss='categorical_crossentropy', optimizer=optim, metrics=['accuracy'])        # 编译模型# 预测样本类别
predictions = model.predict_classes(imgs)
print(predictions)
# [8 2 3]

结果截图如下：

欢迎交流！ QQ：3408649893

Keras中predict()方法和predict_classes()方法的区别相关推荐

python predict_对Keras中predict()方法和predict_classes()方法的区别说明
1 predict()方法当使用predict()方法进行预测时,返回值是数值,表示样本属于每一个类别的概率,我们可以使用numpy.argmax()方法找到样本以最大概率所属的类别作为样本的预测标 ...
Keras中predict()方法和predict_classes()方法和evaluate()方法
predict()方法当使用predict()方法进行预测时,返回值是数值,表示样本属于每一个类别的概率,我们可以使用numpy.argmax()方法找到样本以最大概率所属的类别作 ...
sklearn 中 predict 方法和 predict_proba 方法的区别和使用
一.predict 和 predict_proba的概念和区别 1.predict和predict_proba都是用于模型的预测. 2.predict返回的是一个预测的值,predic ...
java——Scanner中nextLine()方法和next()方法的区别
遇到一个有意思的东西,在整理字符串这块知识的时候,发现我在用Scanner函数时,在字符串中加入空格,结果空格后面的东西没有输出来(/尴尬),不多说直接上代码: import java.util.Sc ...
ExtJS中listener方法和handler方法的区别
listener方法和handler方法的区别在文档中的说明的太玄乎了,看不懂 listeners监听能够对一个click Event事件添加任意多个的事件响应处理函数而handler处理只能够通过 ...
VBA中Activate方法和Select方法的区别
VBA中的Activate方法和Select方法看起来似乎相同,其实二者是有区别的.Activate方法的作用是激活,而Select方法的作用是选择.其区别如下: 1.对于"Sheets&q ...
jquery中prop()方法和attr()方法的区别浅析
引用:http://www.jb51.net/article/41170.htm 官方例举的例子感觉和attr()差不多,也不知道有什么区别,既然有了prop()这个新方法,不可能没用吧,那什么时候该 ...
Scanner中nextLine()方法和next()方法的区别
我们在使用扫描器Scanner时,遇到了字符串肯定会使用API中定义好的next()和nextLine()方法.两者一个是能读取空格一个是不能读取空格就像下面的样子当我们把二者交换位置,再来看一下效 ...
Hibernate中get方法和load方法的区别
一.get和load方法都是根据id去获得对应数据的,但是获得机制不同:如果使用get方法,hibernate会去确认该id对应的数据是否存在,它首先会去session中去查询(session缓存其实 ...

Keras中predict()方法和predict_classes()方法的区别

Keras中predict()方法和predict_classes()方法的区别相关推荐

最新文章

热门文章