Python Keras模型的predict_proba（）方法不存在

我试图通过调用Keras模型的

predict\u proba（）

来生成课堂分数，但似乎这个函数不存在！是不是因为我在谷歌看到了一些例子而不推荐？我使用的是Keras 2.2.2。

方法是

predict_proba（）

和

predict_classes（）

方法（即

Keras.models.Model（）

）。这是因为使用functional API创建的模型可能有多个输出层，每个输出层具有不同的配置。因此，在这种情况下预测概率是没有意义的，即使您的模型输出了概率。您提到的方法以及

predict_classes（）

，仅为顺序模型（即

keras.models.Sequential（）

）定义。

您的模型是顺序模型还是使用函数API创建的？@今天它是

keras.models.model（）

这是因为使用functional API创建的模型可能有多个输出层，每个输出层具有不同的配置

可以解释更多或给出模型示例？MaskRCNN会是这样一个例子吗models@BetterEnglish以这个为例：一个模型，它获取人脸图像并预测其性别（即一个可能具有二进制交叉熵损失的输出层）以及年龄（即另一个具有线性激活函数和均方误差作为损失的输出层）。然而，这里重要的是，无论模型有一个输出层还是多个输出层，如果您使用函数API定义了它，您都无法访问

predict\u proba（）

，

predict\u classes（）

，等等方法。我知道如果使用函数API定义它，我就无法访问predict\u proba函数。我的问题是为什么我们不能定义这样的函数？在你的例子中，我认为我们不能这样做，因为我们同时有分类和回归输出。我认为仅在分类层上定义predict_prob是没有意义的。@BetterEnglish“我认为仅在分类层上定义predict_prob是没有意义的。”我明白你的观点，在回归任务中，你可能能够定义后验概率，但这可能因任务而异。我想这就是为什么它一开始就不被支持的原因。然而，在分类任务的情况下，模型的输出实际上是直接概率（至少这是假设），因此。