imagedatagenorator 的 .classes 方法是否已排序？

Question

我正在尝试创建一个 CM，我已经有了 y_pred，显然我需要我的基本事实，或者我正在尝试使用 testdata.classes （这是他们在网上所做的，testdata 是 imagedatagenerator 的实例）。

但是 .classes 似乎只是返回我所有类的排序列表，而不是与我的预测相对应的类列表。因此，我认为我得到的 CM 非常不准确。我怎样才能获得我的预测的基本事实？

这里是我对 .classes 的理解的一个例子，这个列表只是按 0-15 的顺序排列。顺便说一句，我的模型准确率为 95%，所以我希望这些能够更好地排列。

我希望 y_pred 和 dataset.classes 在 95% 的情况下是相同的。

Answer 1

这是一个常见问题。

generator.classes

不应该用作真实标签，因为它们的排序方式与您获得预测的方式不同。因此，您计算的任何指标都将是错误的。

一个通用且正确的方法是迭代生成器，假设它是

Sequence

的子类：

all_y_pred = []
all_y_true = []

for i in range(len(generator)):
    x, y = generator[i]
    y_pred = model.predict(x)
    
    all_y_pred.append(y_pred)
    all_y_true.append(y)

all_y_pred = np.concatenate(all_y_pred, axis=0)
all_y_true = np.concatenate(all_y_true, axis=0)

metric = compute_your_metric(all_y_true, all_y_pred)

如您所见，您需要迭代生成器，按批次计算预测，并且在每个批次上您还可以访问真实标签，因此您可以将两者累积在某些列表上，然后将它们组合起来计算所需的指标.