Python Keras ImageDataGenerator：为什么我的CNN的输出是反向的？

我正在给CNN编一个区分猫和狗的代码。 我已经设置了我的标签，比如狗：0和猫：1，所以我希望我的CNN输出一个0，如果它是狗，如果它是猫。然而，它却做了相反的事情（猫给0，狗给1）。请检查我的代码，看看哪里出错了。谢谢

我目前使用的是Python3.6.8，使用的是jupyter笔记本（里面的所有代码都是我从jupyter笔记本复制粘贴代码的不同部分）

CNN给出了与正确答案相反的结果，当反转输出时，我得到了预期的结果（正确的识别和准确性）。

---

我知道只要将行

df_output['label']=np.where（df_output['probability']>0.5，'cat'，'dog'）

更改为

df_output['label']=np.where（df_output['probability']<0.5，'cat'，'dog'）

就解决了这个问题，但这并不能帮助我弄明白为什么CNN的输出是反向的。

你的问题的原因很微妙。我将用一个玩具的例子来说明发生了什么。假设我们用以下代码实例化一个数据生成器：

# List of image paths, doesn't matter here
image_paths = ['./img_{}.png'.format(i) for i in range(5)] 
labels = ...  # List of labels

df = pd.DataFrame()
df['filename'] = image_paths
df['class'] = labels

generator = ImageDataGenerator().flow_from_dataframe(dataframe=df, 
                                                    directory='./',
                                                    x_col='filename',
                                                    y_col='class')

ImageDataGenerator希望数据框中的

类
列包含与图像关联的字符串标签。在内部，它将这些标签映射到类整数。您可以通过调用
class\u index
属性来检查此映射。使用以下标签列表实例化生成器后：

labels = ['cat', 'cat', 'cat', 'dog', 'dog']

class_索引
映射将如下所示：

generator.class_indices
> {'cat': 0, 'dog': 1}

让我们再次实例化生成器，但更改第一个图像的标签：

labels = ['dog', 'cat', 'cat', 'dog', 'dog']
# After re-instantiating the generator
generator.class_indices
> {'dog': 0, 'cat': 1}

类的整数编码被交换，这表明标签到类整数的内部映射取决于遇到不同类的顺序

您正在将
cat
映射为1，将
dog
映射为0，但ImageDataGenerator将这些字符串解释为标签字符串，并在内部将它们映射为整数

现在，如果目录中的第一个图像是一只猫，会发生什么情况？

labels = [1, 0, 1, 0, 0] # ['cat', 'dog', 'cat', 'dog', 'dog']
# After re-instantiating the generator
generator.class_indices
> {1: 0, 0: 1}  # !

这就是你困惑的根源要避免这种情况，请执行以下操作之一：


在数据帧的标签列中使用“cat”和“dog”，并让ImageDataGenerator为您处理映射
将类列表传递给调用中的
classes
参数
flow\u from\u dataframe
以明确指定映射
您能在定义数据帧的地方包含代码吗
df
？编辑上面的代码以包含它。这只是一个
df=pd.DataFrame（{'filename'：filename，'class'：categories}）
@sdcbrIf我通过生成器传递了训练集，并说映射的类是
{'dog'：0，'cat'：1}
，我将传入一个新的数据集，其中cat是第一个图像。cat会被映射到0还是1？好问题。我不知道这是否是故意的行为。我必须查看源代码，但我现在真的没有时间。自己明确指定映射可能是最安全的。在过去的两周里，keras_预处理的两个错误修复版本已经发布，这种行为已经改变。看见
labels = [1, 0, 1, 0, 0] # ['cat', 'dog', 'cat', 'dog', 'dog']
# After re-instantiating the generator
generator.class_indices
> {1: 0, 0: 1}  # !