时间戳

首页 > 解决方案 > 在Tensorflow分类中，使用“预测”时标签是如何排序的？

tensorflow - 在Tensorflow分类中，使用“预测”时标签是如何排序的？

问题描述

我正在使用 MNIST 手写数字数据集来训练 CNN。

训练模型后，我使用这样的预测：

predictions = cnn_model.predict(test_images)
predictions[0]

我得到的输出为：

array([2.1273775e-06, 2.9292005e-05, 1.2424786e-06, 7.6307842e-05,
       7.4305902e-08, 7.2301691e-07, 2.5368356e-08, 9.9952960e-01,
       1.2401938e-06, 1.2787555e-06], dtype=float32)

在输出中，有 10 个概率，从 0 到 9 的每个数字都有一个概率。但是我怎么知道哪个概率指的是哪个数字？

在这种特殊情况下，数字 0 到 9 的概率按顺序排列。但为什么会这样呢？我没有在任何地方定义。

我尝试查看互联网上其他地方的文档和示例实现，但似乎没有人解决这种特殊行为。

编辑：

对于上下文，我通过以下方式定义了我的训练/测试数据：

mnist = tf.keras.datasets.mnist
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()
train_images = (np.expand_dims(train_images, axis=-1)/255.).astype(np.float32)
train_labels = (train_labels).astype(np.int64)
test_images = (np.expand_dims(test_images, axis=-1)/255.).astype(np.float32)
test_labels = (test_labels).astype(np.int64)

我的模型包括几个卷积层和池化层，然后是 Flatten 层，然后是具有 128 个神经元的 Dense 层和具有 10 个神经元的输出 Dense 层。

之后，我简单地拟合我的模型并像这样使用预测：

model.fit(train_images, train_labels, batch_size=BATCH_SIZE, epochs=EPOCHS)
predictions = cnn_model.predict(test_images)

我没有看到我在哪里指示我的代码将第一个神经元输出为数字 0，第二个神经元作为数字 1 等如果我想更改输出结果数字的顺序，我该在哪里做呢？这真的让我很困惑。

标签： tensorflow

解决方案

这取决于您在训练期间如何准备标签。对于 MNIST 分类，通常有两种不同的方式：

  1. One-hot 标签：MNIST 数据中有 10 个标签，因此对于每个示例（图像），您创建一个长度为 10 的标签数组（向量），其中所有元素都为零，除了与输入图像的数字对应的索引正在显示。例如，如果您的输入图像显示数字8，则您的标签在除第8 个索引处以外的所有位置都包含零（例如 [0,0,0,0,0,0,0,0, 1 ,0]）。如果您的图像显示数字2，则您的标签将类似于 [0,0, 1 ,0,0,0,0,0,0,0] 等等。
  2. 稀疏标签：您只需通过显示的数字直接标记每个图像，例如，如果您的图像显示数字8，则您的标签是一个值为 8 的数字。

在这两种情况下，您都可以根据需要选择标签，在 MNIST 分类中，使用标签 0-9 来显示数字 0-9 很直观。

因此，在预测中，索引 0 处的概率用于数字 0，索引 1 用于数字 1，依此类推。

您可以选择以不同的方式准备标签。例如，您可以决定如下显示您的标签：

  • 数字 0 的标签：9
  • 数字 1 的标签：8
  • 数字 2 的标签：7
  • 数字 3 的标签：6
  • 数字 4 的标签：5
  • 数字 5 的标签：4
  • 数字 6 的标签：3
  • 数字 7 的标签：2
  • 数字 8 的标签：1
  • 数字 9 的标签：0

您可以以相同的方式训练您的模型，但在这种情况下，预测中的概率将被反转。索引 0 处的概率为数字 9，索引 1 为数字 8，依此类推。

简而言之，您必须使用整数索引定义标签，但由您决定并记住您选择的索引来引用哪个标签/类。

推荐阅读