如何获得Keras中的分类概率？

我试图从经过训练的Keras模型中获得分类概率，但当我使用model.predict（或model.predict_proba）方法时，我得到的只是以下形式的数组： 数组（[[0,0,0,0,0,0,0,0,0,1,0,0,0.]），dtype=float32）

所以基本上我得到一个热编码的浮点数组。“1”基本上在正确的位置，因此培训似乎效果良好。但是为什么我不能得到概率呢？请参阅所用架构的代码

首先，我读入了数据：

mnist\u train=pd.read\u csv（'data/mnist\u train.csv'））
mnist\u test=pd.read\u csv（'data/mnist\u test.csv'））
mnist_train_images=mnist_train.iloc[：，1:]值
mnist\u train\u labels=mnist\u train.iloc[：，：1]。值
mnist_test_images=mnist_test.iloc[：，1:]值
mnist_test_labels=mnist_test.iloc[：，：1]。值
mnist\u train\u images=mnist\u train\u images.astype（'float32'））
mnist\u test\u images=mnist\u test\u images.astype（'float32'））
mnist\u列车图像/=255
mnist_测试_图像/=255
mnist\u train\u labels=keras.utils.to\u category（mnist\u train\u labels，10）
mnist_test_labels=keras.utils.to_category（mnist_test_labels，10）
mnist_train_images=mnist_train_images.重塑（60000,28,28,1）
mnist_test_images=mnist_test_images.重塑（10000,28,28,1）

然后我建立我的模型并训练：

num\u classes=mnist\u test\u标签。形状[1]
模型=顺序（）
添加（Conv2D（64，（5，5），input_shape=（28，28，1），activation='relu'，data_format=“channels\u last”，padding=“same”））
添加（Conv2D（64，（5，5），input_shape=（28，28，1），activation='relu'，data_format=“channels\u last”，padding=“same”））
add（MaxPooling2D（池大小=（2,2）））
添加（Conv2D（128，（3，3），activation='relu'，data\u format=“channels\u last”，padding=“same”））
添加（Conv2D（128，（3，3），activation='relu'，data\u format=“channels\u last”，padding=“same”））
add（MaxPooling2D（池大小=（2,2）））
模型。添加（辍学（0.2））
model.add（展平（））
添加（密集（128，activation='relu'））
添加（密集（num_类，activation='softmax'））
compile（loss='classifical_crossentropy'，optimizer='adam'，metrics=['accurity']）
model.fit（mnist\u train\u图像，mnist\u train\u标签，验证数据=（mnist\u test\u图像，mnist\u test\u标签），历元=20，批量大小=256，详细度=2）
分数=模型。评估（mnist\U测试图像，mnist\U测试标签，详细=0）
打印（“CNN错误：%.2f%%”%（100分[1]*100））
model.save（'mnist-weights.model'））
模型.保存权重（“mnist模型.h5”）
model_json=model.to_json（）
打开（“mnist model.json”、“w”）作为json\u文件：
json_file.write（model_json）

但是，当我在另一个应用程序中加载该模型并尝试预测这样的概率时，就会出现所描述的错误。我做错了什么

json\u file=open（'alphabet\u keras/mnist\u model.json'，'r'）
model_json=json_file.read（）
model=model_from_json（model_json）
型号。负载重量（“字母表/mnist型号h5”）
字母=cv2.CVT颜色（某些颜色，cv2.COLOR\u bgr2灰色）
字母=fitSquare（字母，28,2）#专有功能，无所谓
字母\u展开=np。展开\u dims（字母，轴=0）
字母\u展开=np。展开\u dims（字母\u展开，轴=3）
模型.预测概率（字母扩展）#[0]

结果如下： 数组（[[0,0,0,0,0,0,0,0,0,1,0,0,0.]），dtype=float32）

我预计会出现以下情况： 数组（[[0.1,0.34,0.2,0.8,0.1,0.62,0.67,1.0,0.31,0.59]]，dtype=float32）

---

没有任何类型的错误消息。请帮助：）

您的预期输出不正确，因为分类神经网络的输出是标签上的概率分布，这意味着概率介于0和1之间，并且它们的总和为1.0。显示的值总和大于1.0

---

关于您的具体问题，看起来概率是饱和的，这是因为您没有用训练集和测试集除以255来规范化像素值，这种不一致性将使输出神经元饱和。

在规范化我的推理数据后，它工作了，谢谢！（我知道我提供的预期输出是不可能的，我只是键入了一些介于0和1之间的值