绘制模型多标签分类的所有预测

Question

我想绘制我要训练的模型的输入和输出：

输入数据形状：

processed_data.shape
(100, 64, 256, 2)

外观如何：

processed_data
array([[[[ 1.93965047e+04,  8.49532852e-01],
         [ 1.93965047e+04,  8.49463479e-01],

输出数据形状：

output.shape
(100, 6)

输出基本上是每个标签的概率

output = model.predict(processed_data)

output
array([[0.53827614, 0.64929205, 0.48180097, 0.50065327, 0.43016508,
        0.50453395]

我想以某种方式为处理后的数据中的每个实例绘制类的预测概率（因为这是多标签分类问题），但是我正努力做到这一点。因此，我如何绘制处理后的数据，但不确定如何绘制每个输入实例的概率。我希望能够在每个输出上标记所有6个可能的类。我有点迷路...有什么建议吗？

到目前为止，我只绘制输入：形状= output.shape [0]

for i in range(it):
    fig,axs = plt.subplots(5,2,figsize=(10,10))

    if isinstance(data,list): 
        inp = data[i]
        outp = output[i]
    else: 
        inp = data
        outp = output

    for j in range(5):
        r = randint(0,shape)
        axs[j,0].imshow(inp[r,...,0]); 
        axs[j,0].title.set_text('Input {}'.format(r))

Answer 1

现在，我已更好地理解了这个问题，所以我编辑了答复。此代码将绘制图像以及输出。

import matplotlib.image as mpimg
import numpy as np
import matplotlib.pyplot as plt

img_paths = ['../python/imgs/Image001.png',
             '../python/imgs/Image002.png',
             '../python/imgs/Image003.png',
             '../python/imgs/Image004.png',
             '../python/imgs/Image005.png']

input  = np.array([mpimg.imread(path) for path in img_paths])
output = np.random.rand(5, 6)

print(input.shape, output.shape)

fig, axs = plt.subplots(2, 5, figsize=(8, 4), sharey = 'row')

for i, sample in enumerate(range(5)):
    o = output[sample]

    axs[0,i].set_title(f'Sample {sample + 1}')
    axs[0,i].imshow(input[i,:])
    axs[0,i].axis('off')

    axs[1,i].bar(range(6), o)
    axs[1,i].set_xticks(range(6))
    axs[1,i].set_xticklabels([f'{i+1}' for i in range(6)])

plt.show()

输出：

(5, 1510, 2560, 4) (5, 6)

[重要的部分是plt.subplots调用，您可以在其中创建自己喜欢的图形网格（如果要实际绘制全部100张图像，则可能更喜欢垂直布局）。