python - Keras:predict_generator的输出是什么？

Keras文档说它返回“大量的预测”。
在4类496个图像示例上使用它，我得到了一个4维数组
(496、4、4、512)。其他2个维度是多少？
最终，我希望有一个X数组(示例)和一个Y数组(标签)。

img_width, img_height = 150, 150
top_model_weights_path = 'bottleneck_fc_model.h5'
train_data_dir = 'data/train'
validation_data_dir = 'data/validation'
nb_train_samples = 496
nb_validation_samples = 213
epochs = 50
batch_size = 16
number_of_classes = 3
datagen = ImageDataGenerator(rescale=1. / 255)

# build the VGG16 network (exclude last layer)
model = applications.VGG16(include_top=False, weights='imagenet')

# generate training data from image files
train_generator = datagen.flow_from_directory(
    train_data_dir,
    target_size=(img_width, img_height),
    batch_size=batch_size,
    class_mode='categorical',
    shuffle=False)

# predict bottleneck features on training data
bottleneck_features_train = model.predict_generator(
    train_generator, nb_train_samples // batch_size)
print(bottleneck_features_train.shape)

train_data = np.load(open('bottleneck_features_train.npy', 'rb'))
print(train_data.shape)

最佳答案

您正在做的是从要提供给模型的图像中提取瓶颈特征。
您获得的形状(496、4、4、512)为(n_samples，feature_height，feature_width，feature:channels)
您通过传递了模型的密集层

include_top=False

以图形方式说明，您通过此模型传递了样本



，最后4层不包含。 (您有不同的高度和宽度，因为凝视的图像是150x150，而不是标准VGG16中的224x224)

您获得的不是类别的预测，而是图像重要特征的综合表示。

为了获得您似乎需要的内容，您可以像这样修改代码

model = applications.VGG16(include_top=False, weights='imagenet')
for layer in model.layers:
    layer.trainable = False
model = Dense(512, activation='relu')(model) #512 is a parameter you can tweak, the higher, the more complex the model
model = Dense(number_of_classes, activation='softmax')(model)

现在，您将在用于训练模型的样本上调用model.fit(X，Y)，将​​其作为X表示496个样本图像，将Y表示为您准备的地面真相标签。

训练后，您可以使用model.predict预测您需要的类(class)。

关于python - Keras:predict_generator的输出是什么？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/43460568/