如何查看来自测试生成器的图像，以查看预测是否正确

Question

我正在训练一个水果分类模型。目前我的课程是:['新鲜苹果'，'新鲜香蕉'，'新鲜橙子']

我使用训练，验证和测试生成器使用ImageDataGenerator和flow_from_directory。我已经训练了模型，现在想要将测试生成器输入模型以查看模型的性能。现在我在测试生成器中只有2个图像。我有下面的代码来做预测:

predictions = tuned_model.predict(test_generator)
score = tf.nn.softmax(predictions[0])
print(
'This image most likely belongs to {} with a {:.2f} percent 
confidence.'.format(
class_names[np.argmax(score)], 100 * np.max(score)
)
)

和我得到以下结果:

This image most likely belongs to Fresh Apples with a 46.19 percent confidence.

是的，准确率很低，我只训练了10次，哈哈。但是，有没有一种方法可以让我看到哪个图像正在被测试?或者一种知道这个预测是否正确的方法?

编辑:

包含生成器代码…

generator = ImageDataGenerator(
rotation_range=45,
rescale=1./255,
horizontal_flip=True,
vertical_flip=True,
validation_split=.2
)
train_generator = generator.flow_from_directory(
train_path,
target_size=(im_height, im_width),
batch_size = batch_size,
subset='training'
)
validation_generator = generator.flow_from_directory(
train_path,
target_size=(im_height, im_width),
batch_size=batch_size,
subset='validation'
)
test_generator = generator.flow_from_directory(
test_path,
target_size= (im_height, im_width),
batch_size= batch_size,
)

就我的类标签而言，到目前为止，我只是硬编码它们

class_names = ['Fresh Apples', 'Fresh Bananas', 'Fresh Bananas']

我知道我可能应该导入操作系统并根据文件结构创建标签，但除非我绝对需要，否则我将稍后再做。

Answer 1

我假设您在创建测试生成器时在flow_from_directory中设置了shuffle=False。然后使用

files=test_generator.filenames
class_dict=test_generator.class_indices # a dictionary of the form class name: class index
rev_dict={}
for key, value in class_dict.items()
rev_dict[value]=key   # dictionary of the form class index: class name

files是一个文件名列表，按照文件呈现的顺序进行预测。然后做

predictions = tuned_model.predict(test_generator)

然后遍历预测

for i, p in enumerate(predictions)
index=np.argmax(p)
klass=rev_dict[index]    
prob=p[index]
print('for file ', files[i], ' predicted class is ', klass,' with probability ',prob)

当然你也可以显示图像