Python中使用Cifar-10数据集的模型预测

Question

我为Cifar-10数据集编写了一个简短的CNN模型，以学习汽车的模式。现在，在编译模型并让其运行87个纪元后，我想计算AUC值。在另一个项目中，以下几行有效：

# Needed libraries
from sklearn.metrics import roc_curve
from sklearn.metrics import roc_auc_score
import matplotlib.pyplot as plt

print("Running on test sample. This may take a moment.")
probs = model.predict(df_test[cols]) #predict probability over test sample
AUC = roc_auc_score(df_test["is_signal_new"], probs[:,1])
print(df_test[cols].shape)

fpr, tpr, _ = roc_curve(df_test["is_signal_new"], df_test["signalprob"]) #extract true positive    
rate and false positive rate

但是，在这种情况下，当我写时

model.predict(X_test)

因为Python抱怨了Cifar10数据集的输入形状，所以它不起作用：

ValueError: Error when checking input: expected dense_22_input to have 2 dimensions, but got array with shape (10000, 32, 32, 3)

我了解为什么会出现错误消息，但是我不确定如何解决此错误。你会怎么做？

祝一切顺利。

Answer 1

我怀疑您在数据上训练了CNN模型，因为您没有展平CIFAR-10数据集。由于没有将数据拼合为矢量表示形式而导致的错误。

如果使用keras，则执行model.add(Flatten())

或

您可以简单地做：

train_flatten = train_x.reshape(train_x.shape[0], -1).T   # train_x is your training data
test_flatten = test_x.reshape(test_x.shape[0], -1).T # test_x is your test data

拼合数据的维数应为（3072，m），其中m为否。火车/测试示例。为您的测试数据提供了10000个示例。然后扁平化的向量维将为（3072，10000）

因此，总而言之，您的数据不会被拼合。这就是为什么出现错误的原因，因为它期望的是展平的数据（二维矢量），而不是原始的numpy数组。