Machine learning 我得到了一份名单'；索引超出范围'；在keras中使用model.predict时

这是我的代码，我正在使用迁移学习来训练我的模型。但我得到的索引超出了误差范围。当尝试测试我的模型时，它为model.predict（）函数提供了此错误。原因可能是什么

IMAGE_SIZE = [100, 100]

train_path = 'input/train'
valid_path = 'input/val'

在VGG前端增加预处理层

vgg = VGG16(input_shape=IMAGE_SIZE + [3], weights='imagenet', include_top=False)

# don't train existing weights
for layer in vgg.layers:
  layer.trainable = False

用于获取类的数量

folders = glob('input/train/*')

我们的层次

x = Flatten()(vgg.output)
# x = Dense(1000, activation='relu')(x)
prediction = Dense(len(folders), activation='softmax')(x)

创建模型对象

model = Model(inputs=vgg.input, outputs=prediction)

查看模型的结构

model.summary()

r = model.fit(
  training_set,
  validation_data=val_set,
  epochs=50,
  steps_per_epoch=len(training_set),
  validation_steps=len(val_set)
)

告诉模型使用什么成本和优化方法

model.compile(
  loss='categorical_crossentropy',
  optimizer='adam',
  metrics=['accuracy']
)

符合模型

model.summary()

r = model.fit(
  training_set,
  validation_data=val_set,
  epochs=50,
  steps_per_epoch=len(training_set),
  validation_steps=len(val_set)
)

这一行有错误

model.predict('/content/input/test/0/IMG_4099.JPG')

---

Model

predic

不接受路径作为输入。从文档中，输入样本可以是：

• Numpy数组（或类似数组）或数组列表（如果模型有多个输入）
• 张量流张量或张量列表（如果模型有多个输入）
• 一个tf.data数据集
• 生成器或keras.utils.Sequence实例。Model.fit中类似迭代器输入的解包行为部分给出了迭代器类型（数据集、生成器、序列）解包行为的更详细描述

有多种方法可以从图像路径获取

numpy数组。例如，您可以使用
Keras
预处理来读取图像，然后使用
img\u to\u array
来获得
numpy array
。如果文件夹中的图像尚未达到模型预期的大小，则必须使用
target\u size
参数来调整模型输入形状的大小

img = tf.keras.preprocessing.image.load_img(
    "/content/input/test/0/IMG_4099.JPG",
    target_size=(100,100)
)
img_nparray = tf.keras.preprocessing.image.img_to_array(img)
type(img_nparray) # numpy.ndarray
input_Batch = np.array([img_nparray])   # Convert single image to a batch.
predictions = model.predict(input_Batch)

另一种选择是使用先前声明的映像
生成器
（
test\u datagen
，同样不进行任何数据扩充以进行公平预测）指向包含单个（或多个）映像的文件夹

文件夹结构

├── content
│   └── input
│       └── test
│           └── 0
│               └── IMG_4099.JPG

Model
predic
不接受路径作为输入。从文档中，输入样本可以是：


Numpy数组（或类似数组）或数组列表（如果模型有多个输入）
张量流张量或张量列表（如果模型有多个输入）
一个tf.data数据集
生成器或keras.utils.Sequence实例。Model.fit中类似迭代器输入的解包行为部分给出了迭代器类型（数据集、生成器、序列）解包行为的更详细描述

有多种方法可以从图像路径获取
numpy数组。例如，您可以使用
Keras
预处理来读取图像，然后使用
img\u to\u array
来获得
numpy array
。如果文件夹中的图像尚未达到模型预期的大小，则必须使用
target\u size
参数来调整模型输入形状的大小

img = tf.keras.preprocessing.image.load_img(
    "/content/input/test/0/IMG_4099.JPG",
    target_size=(100,100)
)
img_nparray = tf.keras.preprocessing.image.img_to_array(img)
type(img_nparray) # numpy.ndarray
input_Batch = np.array([img_nparray])   # Convert single image to a batch.
predictions = model.predict(input_Batch)

另一种选择是使用先前声明的映像
生成器
（
test\u datagen
，同样不进行任何数据扩充以进行公平预测）指向包含单个（或多个）映像的文件夹

文件夹结构

├── content
│   └── input
│       └── test
│           └── 0
│               └── IMG_4099.JPG