Python 使用条件将我的模型预测数组转换为分类数组

我已经建立了一个MLP神经网络->训练->保存->加载->现在我正在测试加载的模型

我使用了

y_pred=loaded_model（Variable（featuresTest））

来使用pytorch进行预测，然后将我的张量转换为数组

y_pred_arr

，下面是我的结果：

数组（[-1.1663326,0.369073]，
[-1.4255922 ,  0.23584184],
[-2.045612  ,  1.4165274 ],
...,
[ 4.327711  , -4.1331964 ],
[-1.255816  ,  0.65834284],
[6.642277，-7.4430957]]，数据类型=float32）

我要比较的真标签数组

y\u test

是分类的

array([[0., 1.],
       [0., 1.],
       [0., 1.],
       ...,
       [1., 0.],
       [0., 1.],
       [1., 0.]], dtype=float32)

现在我尝试使用

sklearn.metrics

->分类报告，但由于我预测的数组显然是连续的，我尝试将其转换为一个分类，该分类使用一个条件将每个数组中的最高正数转换为

1

，例如：

我在预测数组中的第一个集合是

[-1.4255922，0.23584184]，

试试这个

from keras.utils.np_utils import to_categorical
labels123 = to_categorical(np.argmax(y_pred_arr, 1), dtype = "int64")

---

哇，谢谢你这么多的工作！！！！！！！！！！！！请点击我答案旁边的复选标记，接受我的答案。如果你觉得它有用的话，你也可以投票给它。

IndexError: index -75 is out of bounds for axis 1 with size 74

from keras.utils.np_utils import to_categorical
labels123 = to_categorical(np.argmax(y_pred_arr, 1), dtype = "int64")