来自目录类索引的Keras流

我以前是手动创建的，但现在我使用来自目录的flow_来使用我自己的数据训练我的网络。我只有一个问题。当我制作model.predict（）时，我怎么知道我的预测索引0是针对标签类别狗的，而索引1是针对类别猫的

我使用的代码如下

train_datagen = ImageDataGenerator(
    rescale=1./255,
    shear_range=0.2,
    zoom_range=0.2,
    horizontal_flip=True)

test_datagen = ImageDataGenerator(rescale=1./255)

train_generator = train_datagen.flow_from_directory(
        train_images_path,  
        target_size=(64, 64),  
        batch_size=batch_size)  


validation_generator = test_datagen.flow_from_directory(
        validate_images_path,
        target_size=(64, 64),
        batch_size=batch_size)
early_stopping = keras.callbacks.EarlyStopping(monitor='val_acc', min_delta=0, patience=3, verbose=1, mode='auto')
history = model.fit_generator(
        train_generator,
        steps_per_epoch=1700,
        epochs=epochs,
        verbose=1,
        callbacks=[early_stopping],
        validation_data=validation_generator,
        validation_steps=196
)

我想知道的是这对图片和地面真相标签

---

谢谢

这很简单。在预处理数据时，只需将类标签替换为一些特定的整数（可以称之为id）。因此，当您从模型的输出计算损失或精度时，只需将预测与整数标签（id）方面的基本事实进行比较

---

如果您需要标签文本，您可以从id（整数）获取它。

当您收集数据时，您可以定义它。没有规则。但一个简单的检查方法是：

• 看看你的第一个训练形象是什么，自己看看：是猫还是狗
• 然后查看培训Y（结果/类别/期望输出），是[0,1]还是[1,0]

这将回答你的问题

对于从生成器中获取一个样本，您可以看到以下问题：

---

如中所定义，生成器输出是（输入、目标）的元组。

您可以使用class_index属性获取生成器生成的每个类的索引

print(validation_generator.class_indices)

---

简单…

我想你误解了。如果手动执行此操作，请将图像转换为numpy数组等。这是你说话的方式。如果您只是将目录传递给来自\u目录的流\u，则这是不同的。我的猜测是，您从未使用过\u directory.Hi中的flow\u。谢谢你的回答，但这不是来自目录的流的工作方式。我猜你以前从没用过？！？！或者有一种方法可以从目录生成器的流中获取X和Y值？我明白了。也许有帮助？（更新了答案）。输出了什么？拟合生成器输出一个历史对象。根据文档，来自目录的flow\u不会返回任何内容。它位于keras文档中。传递给“fit_generator”的生成器必须生成具有（输入、目标）的元组。如果没有，你就无法训练它。目录中的Flow_是一种方便的方法，你只需传递目录，它将生成正确的表示形式，让keras抽象你的内部过程，如获取原始像素到numpy数组，生成标签等。我不知道为什么要下推。也许被否决的人能给我解释一下。很酷！在我的例子中，它看起来像是按字母顺序取文件夹名称。这是确定的吗？每次跑步我都会得到同样的订单。如果是字母数字排序，那么在不同的操作系统上排序是否相同？我无法回答，因为我从未玩过keras agang（自2017年起）。@LeonardFeehan有文件证明它们是字母数字排序的，所以我想说你可以相信它是确定性的。