解码自定义keras模型的预测

Question

几天前，我开始使用ML，因为我想做一个hcaptcha求解器。我已经准备好了一切，我只需要训练一个模型，对captcha图像进行分类，这样我就可以发送一个带有好答案的请求，并获得captcha令牌。

我已经查阅了一些关于如何用几个类训练我自己的模型的教程。我有以下方式：

1个培训师文件夹、1个验证文件夹和1个测试文件夹。在教练机和验证文件夹中有更多的子文件夹，分别命名为飞机、卡车、船、火车，。。。每个包含大约20个图像。在测试文件夹上，一些随机的图像与我的类有关。

我已经训练好了模型，看起来我的准确率是1。然后我得到一些随机测试图像，并尝试使用这个保存的模型来预测它们。它完成它的工作并预测它们，返回一组数字。问题是，我不知道如何解码这些预测，也不知道如何在预测之前查看带有其代表性整数的类列表。

我是这方面的新手，所以我相信任何事情都会有所帮助：(

我下面的代码：

import os
from keras.preprocessing import image
from keras.models import Sequential
from keras import layers
from keras.models import load_model
import numpy as np
trainer_path = "./img/trainer"
validator_path = "./img/validator"
testing_path = "./img/tester"
WIDTH = 128
HEIGHT = 128
BATCH = 30
EPOCHS = 15
train_dataset = image.image_dataset_from_directory(
trainer_path,
label_mode="int",
batch_size=BATCH,
image_size=(WIDTH, HEIGHT)
)
validator_dataset = image.image_dataset_from_directory(
validator_path,
label_mode="int",
batch_size=BATCH,
image_size=(WIDTH, HEIGHT)
)

model = Sequential([
layers.Input((WIDTH, HEIGHT, 3)),
layers.Conv2D(16, 3, padding="same"),
layers.Conv2D(32, 3, padding="same"),
layers.MaxPooling2D(),
layers.Flatten(),
layers.Dense(10)
])
model.compile(
optimizer="adam",
loss=[
"sparse_categorical_crossentropy"
],
metrics=["accuracy"]
)
model_fit = model.fit(
train_dataset,
epochs=EPOCHS,
validation_data=validator_dataset,
verbose=2
)
#loading the saved model
model = load_model("./model")

for i in os.listdir(testing_path):

img = image.load_img(testing_path + "/" + i, target_size=(WIDTH, HEIGHT, 3))

img_array = image.img_to_array(img)

img_batch = np.expand_dims(img_array, axis=0)

prediction = model.predict(img_batch)

print(prediction)
print()

输出示例：

[[  875.5614    3123.8257    1521.7046      90.056526   335.5274
-785.3671    1075.9199    1105.3068     -14.917503 -3745.6494  ]]

Answer 1

你必须在最后一个密集层上应用激活函数，如果你想对图像进行分类，它应该是softmax(你会得到所有类别的概率(，这里是链接：

https://keras.io/api/layers/activations/

当涉及到类名时，它应该按字母数字值排序，你也可以传递class_names参数，这里是这个函数的参数链接：

https://www.tensorflow.org/api_docs/python/tf/keras/utils/image_dataset_from_directory