如何获得由keras训练模型预测的类别的分类输出？

Question

我有一个训练有素的CNN模型，该模型应该预测以下5种情绪之一：愤怒，厌恶，恐惧，中立或悲伤。我正在使用

ImageDataGenerator(rescale = 1./255,
                      shear_range=0.1,
                      zoom_range=0.1,
                      horizontal_flip=True)

和

low_from_directory('../large-dataset-copy/training/',
                            color_mode='grayscale',
                            target_size=(48,48),
                            class_mode = 'categorical',
                            batch_size = 32)

用于读取和转换图像。

训练后，我不知道如何提取模型预测的对应类。我使用下面的代码读取和转换图像：

def test_data(img_path):
    img_array = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)
    new_img = cv2.resize(img_array,(48,48))
    return new_img.reshape(-1,48,48,1)

img = test_data('Abdullah_Gul_0006.jpg')
emotionClassifier = k.models.load_model('moedel.h5',compile=False)
emotion = emotionClassifier.predict(img)
print(emotion)

这是我得到的输出always：[[0。 1. 0. 0. 0。]]

也来自[[print（test_data.class_indices）的输出为{'anger'：0，'disgust'：1，'fear'：2，'neutral'：3，'sadness'：4}

Answer 1

由于在flow_from_directory方法中将类模式设置为“类别”，结果将以2D一键编码标签数组的形式返回。您得到的结果[0,1,0,0,0]表示图片标签是“令人反感的”，因为它是class_indices列表中的第二个。

顺便说一句，如果您正在使用顺序模型，则应使用predict_classes而不是predict以获取结果。