Python 我为视频分类编写了一个简单的convLSTM脚本，但出现了一个错误

我创建了一个对视频进行分类的ConvlTM网络。该数据集由6个类组成，其中包含视频

我得到错误“NameError:name'y_pred'未定义”，它与最后第三行代码相关。您不需要运行代码，因为它可能是语法错误或类似的错误

为什么我会犯这个错误

import keras
from keras import applications
from keras.preprocessing.image import ImageDataGenerator
from keras import optimizers
from keras.models import Sequential, Model 
from keras.layers import *
from keras.callbacks import ModelCheckpoint, LearningRateScheduler, TensorBoard, EarlyStopping
 
import os
import cv2
import numpy as np
from sklearn.model_selection import train_test_split
import keras_metrics as km
 
 
from sklearn.metrics import accuracy_score
from sklearn.metrics import precision_score
from sklearn.metrics import recall_score
from sklearn.metrics import f1_score
from sklearn.metrics import cohen_kappa_score
from sklearn.metrics import roc_auc_score
from sklearn.metrics import multilabel_confusion_matrix
 
data_dir = "video_data/"
img_height , img_width = 64, 64
seq_len = 70
 
classes = ["Apply Eye Makeup", "Archery", "Apply Lipstick", "Baby Crawling", "Balance Beam", "Band Marching"]
 
#  Creating frames from videos
 
def frames_extraction(video_path):
    frames_list = []
     
    vidObj = cv2.VideoCapture(video_path)
    # Used as counter variable 
    count = 1
 
    while count <= seq_len: 
         
        success, image = vidObj.read() 
        if success:
            image = cv2.resize(image, (img_height, img_width))
            frames_list.append(image)
            count += 1
        else:
            print("Defected frame")
            break
 
            
    return frames_list
 
def create_data(input_dir):
    X = []
    Y = []
     
    classes_list = os.listdir(input_dir)
     
    for c in classes_list:
        print(c)
        files_list = os.listdir(os.path.join(input_dir, c))
        for f in files_list:
           frames = frames_extraction(os.path.join(os.path.join(input_dir, c), f))
            if len(frames) == seq_len:
                X.append(frames)
             
                y = [0]*len(classes)
                y[classes.index(c)] = 1
                Y.append(y)
     
    X = np.asarray(X)
    Y = np.asarray(Y)
    return X, Y
 
X, Y = create_data(data_dir)
 
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.20, shuffle=True, random_state=0)
 
model = Sequential()
model.add(ConvLSTM2D(filters = 64, kernel_size = (3, 3), return_sequences = False, data_format = "channels_last", input_shape = (seq_len, img_height, img_width, 3)))
model.add(Dropout(0.2))
model.add(Flatten())
model.add(Dense(256, activation="relu"))
model.add(Dropout(0.3))
model.add(Dense(6, activation = "softmax"))
 
model.summary()
 
opt = keras.optimizers.SGD(lr=0.001)
model.compile(loss='categorical_crossentropy', optimizer=opt, metrics=["accuracy"])
 
earlystop = EarlyStopping(patience=7)
callbacks = [earlystop]
 
history = model.fit(x = X_train, y = y_train, epochs=40, batch_size = 8 , shuffle=True, validation_split=0.2, callbacks=callbacks)
 
y_pred = np.argmax(y_pred, axis = 1)
y_test = np.argmax(y_test, axis = 1)
 
print(classification_report(y_test, y_pred))

导入keras
来自keras进口申请
从keras.preprocessing.image导入ImageDataGenerator
来自keras导入优化器
从keras.models导入顺序、模型
从keras.layers导入*
从keras.callbacks导入modelscheckpoint、LearningRateScheduler、TensorBoard、earlystoping
导入操作系统
进口cv2
将numpy作为np导入
从sklearn.model\u选择导入列车\u测试\u拆分
将keras_度量导入为km
从sklearn.metrics导入准确性\u分数
从sklearn.metrics导入精度\分数
从sklearn.metrics导入召回分数
从sklearn.metrics导入f1\U分数
从sklearn.metrics导入cohen_kappa_分数
从sklearn.metrics导入roc_auc_分数
从sklearn.metrics导入多标签矩阵
data_dir=“video_data/”
img_高度，img_宽度=64，64
序号=70
课程=[“化妆”、“射箭”、“涂口红”、“婴儿爬行”、“平衡木”、“乐队行进”]
#从视频创建帧
def帧提取（视频路径）：
框架列表=[]
vidObj=cv2.视频捕获（视频路径）
#用作计数器变量
计数=1
当count时，消息中的错误是不言自明的：未定义y_pred

您必须首先预测数据，执行类似于
y\u pred=model.predict（X\u test）
的操作，然后才能
argmax
，等等

[编辑]：总之，将最后三行替换为

y_pred=model.predict（X_检验）
y_pred=np.argmax（y_pred，轴=1）
打印（分类报告（y_测试，y_预测））
消息中的错误不言自明：未定义y_pred

您必须首先预测数据，执行类似于
y\u pred=model.predict（X\u test）
的操作，然后才能
argmax
，等等

[编辑]：总之，将最后三行替换为

y_pred=model.predict（X_检验）
y_pred=np.argmax（y_pred，轴=1）
打印（分类报告（y_测试，y_预测））
对于y_pred，您需要首先进行预测并将结果保存在变量中，否则，没有y_pred可执行
np.argmax（y_pred，axis=1）
我只想知道我的模型的报告。我应该如何更改代码？做一个预测。您可以从教程或文档中搜索如何做到这一点。如果你从某个地方选取了代码，你会漏掉一行。但是，每个历元都被验证为一个测试集，所以我想我已经有了我想要打印的值，存储在一些我忽略的变量中，这不是它的工作方式，这是验证，而不是保存在变量y_pred中的预测，除非您编写一个回调函数来实现这一点，并将其保存到y_pred的名为
y_pred
的变量中，否则您需要首先进行预测，并将结果保存到变量中，否则，没有y_pred可以执行
np.argmax（y_pred，axis=1）
我只想知道我模型的报告。我应该如何更改代码？做一个预测。您可以从教程或文档中搜索如何做到这一点。如果你从某个地方选取了代码，你会漏掉一行。但是，每个历元都被验证为一个测试集，所以我想我已经有了我想要打印的值，存储在一些我忽略的变量中，这不是它的工作方式，这是验证，而不是保存在变量y_pred中的预测，除非您编写一个回调函数，并将其保存到一个名为
y_pred
的变量中，否则每个历元都会被验证为一个测试集，因此我想我已经有了想要打印的值，存储在一些我忽略的变量中，我得到了与“y_test=np.argmax”相关的错误“轴1超出维度1数组的界限”（y_测试，轴=1）”。为什么？因为y_测试已经是一维的，你不需要这条线，你可以删除它这么多。为什么我们需要在y_pred上执行argmax？模型的输出是什么。预测（X_测试）？
model.predict
输出类概率。如果你做
model.predict\u classes
的话，你可以直接得到类。但是，每个历元都被验证为一个测试集，所以我想我已经有了我想要打印的值，存储在一些我忽略的变量中，我得到了错误“轴1超出维度1数组的界限”与“y_test=np.argmax（y_test，axis=1）”相关。为什么？因为y_test已经是一维的，你不需要这条线，你可以去掉它。那么，为什么我们需要在y_pred上做argmax？model.predict（X_test）的输出是什么？
model.predict
输出类概率。如果执行
model，则可以直接获取类。改为predict\u class