Python 使用keras ImageDataGenerator时如何获取分类报告（F1分数）-AttributeError:'；目录迭代器'；对象没有属性'；argmax'；

因为在使用Keras ImageDataGenerator时，我没有将训练集和标签分开，而是依赖于文件夹结构。如何获取分类报告，即如何获取/计算精度、召回率和F1

这是我尝试过的，我得到的错误是抱怨列车发电机没有argmax。我怎样才能解决这个问题

AttributeError:“DirectoryIterator”对象没有属性“argmax”

---

这个解决方案对我很有效，因为如果你使用

flow\u from\u directory

，那么你必须在模型上使用

predict\u generator

方法，并谈论

sklearn.metrics.classification\u报告

，

ytrue

和

ypred

应该是

1-d numpy

数组，因此使用

train\u generator.labels

train_datagen = ImageDataGenerator(
    rescale=1. / 255,
)

train_generator = train_datagen.flow_from_directory(
    train_dir, 
    target_size=(150, 150), shuffle = False,   # Must
)

predIdxs = model.predict_generator(train_generator)

predIdxs = np.argmax(predIdxs, axis=1)

print(classification_report(train_generator.labels, predIdxs,
                            target_names=["class 1", "class 2"]))

---

train\u generator.argmax（轴=1）

不工作，因为

train\u generator

是一个生成器，而不是numpy数组。您需要加载地面真相标签，然后使用them@GPhilo谢谢你的提示！是的，我做到了。张贴了答案。非常感谢。

train_datagen = ImageDataGenerator(
    rescale=1. / 255,
)

train_generator = train_datagen.flow_from_directory(
    train_dir, 
    target_size=(150, 150), shuffle = False,   # Must
)

predIdxs = model.predict_generator(train_generator)

predIdxs = np.argmax(predIdxs, axis=1)

print(classification_report(train_generator.labels, predIdxs,
                            target_names=["class 1", "class 2"]))