时间戳

首页 > 解决方案 > 使用model.predict()后如何理解结果数组的维度

python - 使用model.predict()后如何理解结果数组的维度

问题描述

我正在重复一个代码来检索项目，但是当我在model.predict函数中调试时，我发现这个函数的输入是维度（1、224、224、3），但输出是（1， 7, 7, 2048)。model.predict() 的结果不应该是一个 1D 数组，它给出对象属于每个类别而不是 4D 的概率吗？如何理解这个结果数组的维度？

    model_features = model.predict(x, batch_size=1)

具体代码如下：（这只是整个代码的一部分，可能无法直接运行）

import keras.applications.resnet50
import numpy as np
import os
import pickle
import time
import vse
from keras.preprocessing import image
from keras.models import Model, load_model

model = keras.applications.resnet50.ResNet50(include_top=False)
model_extension == "resnet"

def extract_features_cnn(img_path):
    """Returns a normalized features vector for image path and model specified in parameters file """
    print('Using model', model_extension)
    img = image.load_img(img_path, target_size=(224, 224))
    x = image.img_to_array(img)
    x = np.expand_dims(x, axis=0)
    if model_extension == "vgg19":
        x = keras.applications.vgg19.preprocess_input(x)
    elif model_extension == "vgg16":
        x = keras.applications.vgg16.preprocess_input(x)
    elif model_extension == "resnet":
        x = keras.applications.resnet50.preprocess_input(x)
    else:
        print('Wrong model name')
    model_features = model.predict(x, batch_size=1)
    x = model_features[0]
    total_sum = sum(model_features[0])
    features_norm = np.array([val / total_sum for val in model_features[0]], dtype=np.float32)
    if model_extension == "resnet":
        print("reshaping resnet")
        features_norm = features_norm.reshape(2048, -1)
    return features_norm

标签： pythonkeraspredictresnet

解决方案

你的问题不够清楚，但我会尽可能多地解释你的问题。您的模型只有 ResNet，它只有卷积层，并且没有线性层，它可能导致表示类概率的结果。你的结果不是你想象的 4D。在您的输出形状中，即(1, 7, 7, 2048). 1 代表批量大小。这意味着您仅向网络提供了 1 张图像并获得 1 个结果。7s 代表您的输出大小，即 7x7。2048 代表你的输出通道。如果你想得到类的概率，你需要在 ResNet 网络的末端添加一个线性层。您可以使用参数添加它，include_top=True并且可以使用参数指定类号classes=1000。

这是文档。

推荐阅读