Python 克拉斯'；model.predict（）使用softmax激活层以二进制形式给出输出

我从Keras培训了40门课程的InceptionResNetV2，并使用model.evaluate（）对其进行了测试；一切都很好。但是，当我尝试对单个图像使用model.predict（）时，会得到如下输出

[[0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.]

代替概率分布

用于错误再现的Colab：

---

21是预测类的索引，您有40个类。如果您有一个类列表，即class_list[等]。则该类是class_list[21]

而不是

模型。predict

，使用

模型。predict_proba

如下：

predict_proba(image, batch_size = 32, verbose = 1)

---

在我的案例中，使用Keras的内置函数对测试图像进行预处理很有帮助

from keras.applications.inception_resnet_v2 import preprocess_input 
img_batch = preprocess_input(img_batch)

---

请提供一些代码来复制…链接@DavidTheryoutput层的编辑问题需要激活，似乎它丢失了，而您只是在那里有一个密集层。例如

activation='sigmoid'

在处理多个类时，输出激活不应该是“softmax”吗？是的，没错。你的预测准确吗？如果不是的话，那就太合适了。你可以尝试的事情很少：第一次检查你输入的数据，第二次在训练集中，模型是如何运行的？是否可以显示上的代码，以及如何转移预先训练的重量？因为您的colab从加载模型开始。我想我需要完整的图片。我实际上正在测试一个类，它是class_list[0]，使用的图像是用于测试的图像，请参考colab链接。它给出了与前面相同的结果