如何在测试集(cnn使用Keras)中发现错误的预测案例

Question

我使用60000个训练图像和10000个测试图像的MNIST示例。如何在10000张测试图像中找到分类/预测不正确的图像?

Answer 1

简单地使用model.predict_classes()并将输出与真实标签进行比较。即:

incorrects = np.nonzero(model.predict_class(X_test).reshape((-1,)) != y_test)

获取不正确预测的索引

Answer 2

前面的编辑不清楚

要识别被错误分类的图像文件，您可以使用:

fnames = test_generator.filenames ## fnames is all the filenames/samples used in testing
errors = np.where(y_pred != test_generator.classes)[0] ## misclassifications done on the test data where y_pred is the predicted values
for i in errors:
    print(fnames[i])