Python 在class_模式下，二进制、稀疏和分类有什么区别_Python_Keras_Cnn

Python 在class_模式下，二进制、稀疏和分类有什么区别

python keras

Python 在class_模式下，二进制、稀疏和分类有什么区别,python,keras,cnn,Python,Keras,Cnn,下面是理解代码当我使用稀疏/分类时。它显示相同的输出低于输出， Found 214 images belonging to 5 classes. Found 20 images belonging to 5 classes. 注意：此代码用于训练数据集，但不幸的是，它没有训练数据集因此需要帮助他们与之相关 'binary'类模式为您提供每个类的编号。例如，如果您的数据集有3个类别A、B、C，则目标数据将为0（类别A）、1（类别B）和2（类别C）对于A，（0，1，0），对于B，（0，1，

下面是理解代码

当我使用稀疏/分类时。它显示相同的输出

低于输出，

Found 214 images belonging to 5 classes.
Found 20 images belonging to 5 classes.

注意：此代码用于训练数据集，但不幸的是，它没有训练数据集

因此需要帮助

他们与之相关

'binary'

类模式为您提供每个类的编号。例如，如果您的数据集有3个类别A、B、C，则目标数据将为0（类别A）、1（类别B）和2（类别C）

对于A，

（0，1，0）

，对于B，

（0，1，0）

，对于C，

（0，0，1）

你可以用这个来寻找不同的

test_set = test_datagen.flow_from_directory(
    'dataset/test_set',
    target_size = (64,64),
    batch_size = 32,
    class_mode = 'binary'
)
x, y = test_set[0]
print(y.shape)  # (32,)
print(y)

test_set = test_datagen.flow_from_directory(
    'dataset/test_set',
    target_size = (64,64),
    batch_size = 32,
    class_mode = 'categorical'
)
x, y = test_set[0]
print(y.shape)  # (32, n) where n is equal to how many folder you have in 'dataset/test_set'
print(y)

sparse

不用于

flow\u from\u目录

中，通常在图像可以是多个类时使用。例如，如果图像可以是A和C，则目标将是

（1,0,1）

二进制的原因实际上是这样的，因为在早期版本中，它只给你1和0

'binary'