Python Keras，从DataFrameIterator获取相应标签的numpy数组

我和Keras有这个问题， 我的测试集定义如下：

我的测试集 为了很快恢复，我使用Keras的

ImageDataGenerator

，然后将数据生成器分配给我的测试集

我的数据帧

X_test

有两列

x_col='image_path' ## The path to my image files
y_col='category_id' ## My categorical features - Labels 

我需要从测试集中提取y_col中的值，因为

test_set['category_id'] is not in same order neither same shape as X_test['category_id'] 
X_test['category_id'].shape
(315,)

当我查看测试集类型时，我得到：

type(test_set)
keras_preprocessing.image.dataframe_iterator.DataFrameIterator

原因是:

当我们进行预测时，我们需要在这个“测试集”上进行预测

所以， 当我想显示我的分类报告时，由于格式错误，我不能使用

“test\u set”

，也不能使用

X\u test['categorical\u id']

，因为真实值的顺序与

test\u set不同。

Below an example  of classification_report with test_set and the result:

print(classification_report(test_set, predicted, 
  target_names=df_data['product_cat1'].unique()))

结果我得到一个错误：

ValueError: Found input variables with inconsistent numbers of samples: [10, 315]

记住，我的

“X_测试”

形状是：

 X_test['category_id'].shape
    (315,)

我试图将这个

'test\u set'

转换成数组或数据帧的任何东西都不起作用

如果我在我的Classification报告中使用

X_测试['category_id']

，它是有效的，但分数是假的

否则，使用Keras进行多类分类很有趣，但毫无用处，如果我们不能确定每个类的准确度和召回分数以及f1_分数准确度模型，我的意思是我们只得到一个全局准确度模型，仅此而已，对竞争有利

---

欢迎提出任何想法和解决办法。

因为它是

测试集

，而且因为您不需要在

测试集

上进行训练，所以您不必对其进行洗牌以保持顺序。这样，您将从

X_测试['category_id']

中了解标签的顺序（基本事实），并将其用于

分类报告

修理 如果您想洗牌

测试集

，则可以使用值对其进行种子设定并进行预测。然后使用相同的种子并在数据生成器上迭代并收集标签（地面真相）。使用相同的种子值集，您将获得相同的顺序

ValueError: Found input variables with inconsistent numbers of samples: [10, 315]

 X_test['category_id'].shape
    (315,)

test_set = test_datagen.flow_from_dataframe(dataframe=X_test,
                                            x_col='image_path',
                                            y_col='category_id',
                                            shuffle=False,        ### Do not shuffle
                                            target_size = (64, 64),
                                            batch_size = 32,
                                            class_mode = 'categorical')

y_preds = classifier.predict(test_set)
print(classification_report(test_set, X_test['category_id']))