Machine learning Keras，自定义图像数据集，带百分比的二进制结果

我有两大组图片。每个图像都有一个附加百分比。我用这些图像训练了一个模型，它返回一个二进制结果，0或1。我想返回机器对0或1的确定程度的百分比

举个例子，假设它们是猫的图像。我还有一个关于“猫”有多大的百分比（100%非常大，0%非常小）。我想让模特告诉我“这是一只78%大的猫”

我当前的数据集基于两个文件夹（大猫和小猫）。第一个数字是图像的数字（例如，1到1000）。第二个数字是猫有多大的百分比：

../big_cats
    cat1_78.png
    cat2_97.png
    cat3_67.png
    ...
../small_cats
    cat1_12.png
    cat2_9.png
    cat3_24.png
    ...

所以现在我不使用百分比，我得到0或1（大或小），但我的目标是模型用它告诉我“这是一只67%的大猫”，其中50%是中型猫，100%是最大的猫，0%是最小的猫

我试过使用

softmax

和

categorical\u cassentry

，但这只是告诉我们在猫大或小的位置（如果我理解正确的话）二元决策的估计精度

我的问题是：如何准备数据集以获得该结果？如何创建数据序列和验证以读取图像名称中的该百分比？有什么教程我可以遵循吗？我需要使用

Keras+Tensorflow

您应该为输出预测层使用稠密（1）或（2）和softmax函数，因为您想知道图片是否为cat（两类）。这意味着您需要将标签重塑为（num_pic，2），其中第一列指示图片是否为猫，第二列指示图片是否为猫；或者（num_pic，1）仅表示它是否是一只猫

---

这样，两个（或一个）输出神经元中的每一个都将是一个介于0和1之间的数字，可以用作概率。

非常感谢您的回答。我现在使用的是

softmax

和

categorical\u cassentry

：

x=densite（2，activation='softmax'，name='predictions'）（x）my\u model=model（input=input，output=x）my\u model.compile（optimizer='sgd'，loss='categorical\u crossentropy'，metrics=['acity']））

我将在完成模型培训并获得一些有价值的反馈后进行更新。再次感谢您。您好@yilun zhang，据我所知，您的答案在某种程度上是正确的，但对于我的申请来说，这不是正确的答案。我如何根据同一班级的学生的素质做出预测？不管它是不是猫，但它有多大，100%非常大，0%非常小，我有10000张猫的照片，每一个百分比？对不起，如果我的问题不够清楚，它已经帮助我理解了很多东西。@Aramuss在这种情况下，这是一个完全不同的机器学习问题。对于这一个，您将需要正确的标签（图像中猫的大小）来训练一种回归模型，以便预测猫的大小。这不再是一个分类问题了。我已经更新了这个问题，希望有更清晰的例子。是的，你是对的，看起来不再是分类问题了。你能告诉我搜索什么，或者有人做类似的事情吗？我在研究中找不到任何东西。再次感谢您的帮助@aramusss基本上，为了将其视为回归问题，需要更改softmax函数和损失函数。您可以搜索“keras回归”，您可以通过以下示例了解任务。