TensorFlow:创建混淆矩阵时，图像无法转换为浮点数

Question

我正在尝试在TensorFlow中创建混淆矩阵，但我得到了一个

类型错误：图像数据无法转换为浮点型。

图像被准确预测，但现在我想使用 matplotlib 显示混淆矩阵。我尝试转换为 np.array((，但错误仍然相同。

我正在遵循来自scikit-learn的混淆矩阵的官方文档。https://scikit-learn.org/stable/auto_examples/model_selection/plot_confusion_matrix.html

def plot_confusion_matrix(cm, classes,
                          normalize=False,
                          title='Confusion matrix',
                          cmap=plt.cm.Blues):
    """
    This function prints and plots the confusion matrix.
    Normalization can be applied by setting `normalize=True`.
    """
    if normalize:
        cm = cm.astype('float') / cm.sum(axis=1)[:, np.newaxis]
        print("Normalized confusion matrix")
    else:
        print('Confusion matrix, without normalization')
    print(cm)
    plt.imshow(cm, interpolation='nearest', cmap=cmap)
    plt.title(title)
    plt.colorbar()
    tick_marks = np.arange(len(classes))
    plt.xticks(tick_marks, classes, rotation=45)
    plt.yticks(tick_marks, classes)
    fmt = '.2f' if normalize else 'd'
    thresh = cm.max() / 2.
    for i, j in itertools.product(range(cm.shape[0]), range(cm.shape[1])):
        plt.text(j, i, format(cm[i, j], fmt),
                 horizontalalignment="center",
                 color="white" if cm[i, j] > thresh else "black")
    plt.ylabel('True label')
    plt.xlabel('Predicted label')
    plt.tight_layout()

if result[0][0]>0.85:
    predictions.append(result[0][0])
elif result[0][1]>0.85:
    predictions.append(result[0][1])
elif result[0][2]>0.85:
    predictions.append(result[0][2])
elif result[0][3]>0.85:
    predictions.append(result[0][3])
elif result[0][4]>0.85:
    predictions.append(result[0][4])
elif result[0][5]>0.85:
    predictions.append(result[0][5])
class_names = ['Up', 'Down', 'Left', 'Right', 'Forward', 'Backward']
# label_list contains the filename e.g. hand1.jpg, hand2.jpg....
# Compute confusion matrix
cnf_matrix = tf.confusion_matrix(label_list,predictions,num_classes=6)
np.set_printoptions(precision=2)
# Plot non-normalized confusion matrix
plt.figure()
# ERROR HERE
plot_confusion_matrix(cnf_matrix, classes=class_names,title='Confusion matrix, without normalization')
# Plot normalized confusion matrix
plt.figure()
plot_confusion_matrix(cnf_matrix, classes=class_names, normalize=True,title='Normalized confusion matrix')
plt.show()

Answer 1

我还没有在我的电脑上测试过它。您的描述对我来说有点模棱两可(错误行等(，但是您的代码和您链接的文档的主要区别是confusion_matrix().只需尝试使用sckit-learn的confusion_matrix()而不是confusion_matrix()的张量流(在链接中，使用前者(。在我看来，这是你能走的最简单的方法。

编辑：做出这样的预测：

for i in range(6):
    if result[0][i] > 0.85:
        predictions.append(i)
        continue

那么你的预测将不是连续的。在这里，您的预测应该是整数，因为您正在预测类标签。