首页 文章

ValueError：`decode_predictions`需要一批预测（即2D形状阵列（样本，1000）） . 找到形状有阵列：（1,7）

提问于
浏览 次
2

我正在使用带有keras的VGG16进行传输学习（我的新模型中有7个类），因此我想使用内置的decode_predictions方法输出模型的预测 . 但是，使用以下代码：

preds = model.predict(img)

decode_predictions(preds, top=3)[0]

我收到以下错误消息：

ValueError：decode_predictions需要一批预测（即2D形状阵列（样本，1000）） . 找到形状有阵列：（1,7）

现在我想知道为什么当我在再培训模型中只有7个 class 时它会预期为1000 .

我在stackoverflow（Keras: ValueError: decode_predictions expects a batch of predictions）上找到的类似问题建议在模型定义中包含'inlcude_top=True'来解决此问题：

model = VGG16(weights='imagenet', include_top=True)

我试过这个，但它仍然无法正常工作 - 给我一样的错误 . 任何有关如何解决此问题的提示或建议都非常感谢 .

python machine-learning keras conv-neural-network pre-trained-model

1 回答

  • 3

    我怀疑你正在使用一些预先训练好的模型，比方说resnet50你正在导入 decode_predictions ，如下所示：

    from keras.applications.resnet50 import decode_predictions

    decode_predictions将（num_samples，1000）概率的数组转换为原始imagenet类的类名 .

    如果你想转换学习并在7个不同的类之间进行分类，你需要这样做：

    base_model = resnet50 (weights='imagenet', include_top=False)

# add a global spatial average pooling layer
x = base_model.output
x = GlobalAveragePooling2D()(x)
# add a fully-connected layer
x = Dense(1024, activation='relu')(x)
# and a logistic layer -- let's say we have 7 classes
predictions = Dense(7, activation='softmax')(x) 
model = Model(inputs=base_model.input, outputs=predictions)
...

    在拟合模型并计算预测后，您必须使用导入的 decode_predictions 手动将类名分配给输出编号 without

    回复于

相关问题