Keras tensorflow:预测后打印结果
我不熟悉Tensorflow和Keras,所以答案可能很简单,但我有一个批量预取的Tensorflow数据集(类型Keras tensorflow:预测后打印结果,keras,tensorflow2.0,Keras,Tensorflow2.0,我不熟悉Tensorflow和Keras,所以答案可能很简单,但我有一个批量预取的Tensorflow数据集(类型tf.data.TFRecordDataset),它包含图像及其标签(int类型),我对其应用了分类模型 我想比较每个图像的地面真实度分类结果,并将其放入字典中。为此,我尝试为每幅图像创建一个带有y_pred的字典,以及它的基本真相标签: iterator = iter(tf_test_dataset) result_dict = {} for image_n
tf.data.TFRecordDataset
),它包含图像及其标签(int类型),我对其应用了分类模型
我想比较每个图像的地面真实度分类结果,并将其放入字典中。为此,我尝试为每幅图像创建一个带有y_pred的字典,以及它的基本真相标签:
iterator = iter(tf_test_dataset)
result_dict = {}
for image_number in range(len(y_pred)):
result_dict[image_number]= \
{
"Score": y_pred[i],
"GroundTruth": iterator.get_next()[1].numpy()
}
但我不确定这是否是获得预测及其相关地面真相标签的正确方法。而且当我这样做的时候
iterator = iter(tf_test_dataset)
print(iterator.get_next()[1].numpy())
及
结果(带标签的列表)不同
谢谢你的帮助
iterator = iter(tf_test_dataset)
print(iterator.get_next()[1].numpy())
for i in tf_test_dataset:
print(i[1].numpy())