我使用keras数据增强来执行图像分类(十级图像) . 最后一次训练时期给出的结果如下:
Epoch 50/50
4544/4545 [============================>.] - ETA: 0s - loss: 0.7628 - acc: 0.7359 loss: 0.762710434054
New learning rate: 0.00214407973866
4545/4545 [==============================] - 115s - loss: 0.7627 - acc: 0.7360 - val_loss: 0.5563 - val_acc: 0.8124
然后评估训练模型:
scores = model.evaluate_generator(test_generator,1514) #1514 testing images
print("Accuracy = ", scores[1])
它导致以下结果:
('Accuracy = ', 0.80713342132152621)
准确性与上一次训练时期的准确性不完全相同 . 我不明白这种差异,即使它是微不足道的 .
此外,model.predict_generator给出了完全不同的结果,该数组如下所示:
array([[ 4.98306963e-06, 1.83774697e-04, 5.49453034e-05, ...,
9.25193787e-01, 7.74697517e-04, 5.79946618e-06],
[ 2.06657965e-02, 2.35974863e-01, 2.66802781e-05, ...,
2.16283044e-03, 8.42395966e-05, 2.46680051e-04],
[ 1.40222355e-05, 1.22740224e-03, 7.52218883e-04, ...,
3.76749843e-01, 3.85622412e-01, 6.47417846e-06],
...,
[ 9.94064331e-01, 1.30184961e-03, 1.08694976e-05, ...,
1.25828717e-06, 2.29093766e-05, 9.01326363e-04],
[ 7.10375488e-01, 2.01397449e-01, 3.10241080e-06, ...,
3.66877168e-10, 1.66322934e-05, 1.93767438e-08],
[ 8.13350256e-04, 2.67575349e-04, 6.79878794e-05, ...,
8.63052785e-01, 9.70983761e-04, 8.54507030e-04]], dtype=float32)
我不知道矩阵代表什么,model.evaluate_generator和model.predict_generator之间有什么区别 .
应注意,所得阵列的形状为1514×10 . 该阵列应该是每组测试图像的预测概率 . 如果是这样,如何根据结果计算混淆矩阵?
1 回答
predict_generator
获取您的测试数据并为您提供输出 .evaluate_generator
使用您的测试输入和输出 . 它首先使用训练输入预测输出,然后通过将其与测试输出进行比较来评估性能 . 因此,它给出了一个性能指标,即您的情况下的准确性 .