Python 如何使用分类交叉熵的model.predict？

所以，我只是训练了我的模特

编辑（以下是我获得课程的方式）

在.txt文件中找到了标签

pred = model.predict(train_features)#[0]#np.array(set_one).reshape((-1,48,48,3)))#
print(pred)
result = [(classes[i], float(pred[i]) * 100.0) for i in range(len(pred))]
result.sort(reverse=True, key=lambda x: x[1])
for i in range(2):
    (class_name, prob) = result[i]
    print("Top %d ====================" % (i + 1))
    print("Class name: %s" % (class_name))
    print("Probability: %.2f%%" % (prob))

现在，当我使用预测时，我得到的结果是

[[[[0.0000000e+00 0.0000000e+00 0.0000000e+00 1.9776728e-02
    4.9749532e-35 3.3859247e-21 5.2264658e-22 0.0000000e+00
    0.0000000e+00 2.0263837e-21 1.3618594e-32 0.0000000e+00
    4.4031281e-35 0.0000000e+00 0.0000000e+00 0.0000000e+00
    6.0703663e-32 0.0000000e+00 6.8396845e-19 0.0000000e+00
    4.3259302e-11 0.0000000e+00 1.1961731e-34 0.0000000e+00
    2.8515963e-19 9.8022330e-01 0.0000000e+00]]]] 

但是当我尝试将它与我的标签文件相乘时，我得到了一个错误

File "model_predict.py", line 42, in <module>
    result = [(classes[i], float(pred[i]) * 100.0) for i in range(len(pred))]
  File "model_predict.py", line 42, in <listcomp>
    result = [(classes[i], float(pred[i]) * 100.0) for i in range(len(pred))]
TypeError: only size-1 arrays can be converted to Python scalars

文件“model_predict.py”，第42行，在
结果=[（类[i]，浮点（pred[i]）*100.0）表示范围内的i（len（pred））]
文件“model_predict.py”，第42行，在
结果=[（类[i]，浮点（pred[i]）*100.0）表示范围内的i（len（pred））]
TypeError：只有大小为1的数组才能转换为Python标量
这是因为
pred
是一个具有形状（1,1,1,27）的numpy数组

为了迭代它并正确地使用它的项作为dict的键，您必须将它展平

尝试在
result=[（类[i]，float（pred[i]）*100.0）之前添加这一行，以表示范围内的i（len（pred））]

因为在循环的第一次迭代时，我将是一个形状为（1,1,27）的数组，无法用于查找指令。
这是因为
pred
是一个形状为（1,1,1,27）的numpy数组

为了迭代它并正确地使用它的项作为dict的键，您必须将它展平

尝试在
result=[（类[i]，float（pred[i]）*100.0）之前添加这一行，以表示范围内的i（len（pred））]

因为在循环的第一次迭代时，我将是一个形状为（1,1,27）的数组，无法用于查找指令。
您能提供
类吗？@NicolasGervais Done！你能提供
课程吗？@NicolasGervais完成了！
File "model_predict.py", line 42, in <module>
    result = [(classes[i], float(pred[i]) * 100.0) for i in range(len(pred))]
  File "model_predict.py", line 42, in <listcomp>
    result = [(classes[i], float(pred[i]) * 100.0) for i in range(len(pred))]
TypeError: only size-1 arrays can be converted to Python scalars

pred = list(pred.flatten())