我正在构建一个包含3个类的模型:[0,1,2]
训练后,.predict
函数会返回一个百分比列表。我正在查看keras文档,但不知道我做错了什么。.predict_classes
不再工作,我以前的分类器也没有这个问题。我已经尝试过不同的激活功能(relu、sigmoid等(如果我理解正确的话,Dense(3...)
中的数字定义了类的数量。
outputs1=Dense(3,activation='softmax')(att_out)
model1=Model(inputs1,outputs1)
model1.summary()
model1.compile(optimizer="adam", loss="sparse_categorical_crossentropy", metrics=['accuracy'])
model1.fit(x=text_pad,y=train_y,batch_size=batch_size,epochs=epochs,verbose=1,shuffle=True)
y_pred = model1.predict(test_text_matrix)
输出示例:
[[0.34014237 0.33570153 0.32415614]
[0.34014237 0.33570153 0.32415614]
[0.34014237 0.33570153 0.32415614]
[0.34014237 0.33570153 0.32415614]
[0.34014237 0.33570153 0.32415614]]
我想要的输出:
[1,2,0,0,0,1,2,0]
谢谢你的意见。
您没有做错任何事情,predict
总是返回模型的输出,对于分类器来说,这总是每个类的概率。
predict_classes
仅适用于Sequential
型号,不适用于功能型号。
但有一个简单的解决方案,你只需要在最后一个维度上取argmax
,你就会得到类索引:
y_probs = model1.predict(test_text_matrix)
y_pred = np.argmax(y_probs, axis=-1)