Machine learning TfLearn混淆矩阵培训在std:：bad_alloc上终止

在使用TFLearn创建卷积神经网络时，在解决如何获得混淆矩阵方面存在问题。我目前掌握的守则如下：

来自未来导入部门，打印功能，绝对导入
导入tflearn
从tflearn.layers.core导入输入数据，退出，完全连接
从tflearn.layers.conv导入conv_2d、max_pool_2d
从tflearn.layers.normalization导入本地\u响应\u规范化
从tflearn.layers.estimator导入回归
从sklearn.metrics导入混淆矩阵
进口h5py
hdf5Test=h5py.File（'/path'，r'）
X=hdf5Test['X']
Y=hdf5Test['Y']
#构建卷积网络
网络=输入数据（形状=[None，240，320，3]，名称='input'）
网络=conv_2d（网络，32，3，激活='relu'，正则化器='L2”）
网络=最大池2d（网络，2）
网络=本地响应标准化（网络）
网络=conv_2d（网络，64，3，激活='relu'，正则化器='L2”）
网络=最大池2d（网络，2）
网络=本地响应标准化（网络）
网络=完全连接（网络，128，激活='tanh'）
网络=辍学（网络，0.8）
网络=完全连接（网络，256，激活='tanh'）
网络=辍学（网络，0.8）
网络=完全连接（网络，2，激活='softmax'）
网络=回归(
网络,，
优化器='sgd'，
学习率=0.01，
损失class='classifical_crossentropy'，
name='target'
)
#训练
model=tflearn.DNN（网络，tensorboard_verbose=0）
model.load（“/path.tflearn”）
预测=模型。预测（X）
打印（矩阵（Y，预测））

每次我尝试运行此代码时，都会收到以下错误消息：

在抛出“std:：bad_alloc”实例后调用terminate 什么（）：std：：坏的 中止（堆芯转储）

---

任何建议都是很好的，对TFLearn来说都是新的。

最后，它发现这是由于我试图预测的数据的大小。我通过将其插入循环中修复了此问题：

# Predict Classes
predictions = []
count = 0
length = len(X)
for line in X:
  print('Line ' + str(count) + ' of ' + str(length))
  tmp = model.predict_label([line])
  predictions.append(tmp[0])
  count += 1

通过一些格式设置，我可以使用Sklearn生成混淆矩阵：

predictedClasses = np.argmin(predictions, axis=1)
actualClasses = np.argmax(Y, axis=1)
print(confusion_matrix(actualClasses, predictedClasses))

---

这种方法对我有用，也可能对你有用。。。我认为TFLearn应该研究一种简化的方法来生成混淆矩阵，这样其他人就不会有同样的问题。

您可以添加一些或您的数据，或代码来生成相同形状的合成数据吗？当包含MWE时，回答问题要容易得多。此外，如果可以包含完整的堆栈跟踪，则可能更容易诊断问题的来源。我使用的数据集是。在3个通道上，每个图像为240*320。从数据集中随机抽取9679张图像进行测试。@ncfirth这是我得到的完整堆栈跟踪。