keras model.predict_generator()没有返回正确的实例数
Keras是一个开源的深度学习框架，提供了方便易用的高级API，用于构建和训练神经网络模型。其中的model.predict_generator()方法用于使用生成器对模型进行预测。然而，如果model.predict_generator()没有返回正确的实例数，可能是由以下几个原因导致的：
- 数据生成器的长度不正确：
model.predict_generator()方法需要一个生成器作为输入，生成器应该能够按批次生成数据。如果生成器的长度不正确，即生成的数据量与模型期望的数据量不一致，就会导致返回的实例数不正确。可以通过检查生成器的长度是否正确来解决这个问题。 - 数据生成器的
steps参数设置不正确：model.predict_generator()方法还接受一个steps参数，用于指定生成器的迭代次数。如果steps参数设置不正确，即迭代次数与生成器生成的数据批次数不一致，也会导致返回的实例数不正确。可以通过调整steps参数来解决这个问题。 - 模型的输入数据格式不正确：
model.predict_generator()方法需要根据模型的输入数据格式来生成预测结果。如果输入数据的格式不正确，例如维度不匹配或数据类型不匹配，就会导致返回的实例数不正确。可以通过检查输入数据的格式是否与模型要求的格式一致来解决这个问题。 - 模型的输出结果处理不正确：
model.predict_generator()方法返回的是模型的预测结果，如果对返回结果进行了错误的处理，也会导致返回的实例数不正确。可以检查对返回结果的处理方式是否正确，例如是否正确解析了预测结果的维度和数据类型。
总结起来，要解决model.predict_generator()没有返回正确的实例数的问题，需要检查数据生成器的长度、steps参数设置、模型的输入数据格式以及对返回结果的处理方式是否正确。如果以上都没有问题，可能需要进一步检查模型的结构和参数设置是否正确。
相关·内容
我已经通过下面的链接学习了如何使用keras模型的generator来fit_generator on。我遇到的一个问题是，当我在一些测试数据生成器上调用model.predict_generator()时，返回值的长度与我在生成器中发送的值的长度不同。我的测试数据长度为229431，我使用的batch_size为256时，当我以以下方式在generator类中定义__len__函数时：
class DataGene
浏览 23提问于2018-09-07得票数 1
回答已采纳
我第一次接触Keras和我的测试数据集使用roc曲线来评估我的模型的质量(模型是使用functional api完成的，在我的代码片段中被标识为"model“)。示例： fpr_keras, tpr_keras, thresholds_keras = roc_curve(y_true,y_scores) 为此，正如文档所述，我需要真正的二进制标签(示例中的y_true但是我不知道如何从测试
浏览 22提问于2019-04-25得票数 0
我注意到其他人也有这个问题，但是那个帖子上的答案对我不起作用。我想要做的是使用我刚刚完成训练的模型来构建ROC曲线。下面是导致错误的代码行： predictions = classifier.predict(test_set, batch_size = 64) 代码的其余部分在这里，提前感谢您提供的任何帮助： importpandas as pdfrom keras.layers
浏览 15提问于2019-02-27得票数 1
回答已采纳
为了获得图像的概率，我在keras中使用了model.predict_generator()函数。这将仅返回预测值，而不返回相应的样本ID(在本例中为图像文件名)。target_size=(256, 256), class_mode='categorical')
predictions = model.predict_generator(validation_generator, va
浏览 26提问于2016-07-23得票数 10
很惊讶我不能在网上快速找到这些信息--预测= model.predict_generator(test_generator，steps=num_test)而不是使用predicted_classes =np.argmax(预测，axis=1)
我想设置一个阈值，任何大于0.3的概率都被标记为1级，而不是0.5级。有没有一种简单快捷的方法可以做到这一点？
浏览 0提问于2019-07-25得票数 0
在过去的两个月里，我遇到了这个问题，它把我逼疯了，直到我意识到来自predict_generator的“概率”向量是错误的。我使用的是keras 2，我有一个测试文件夹，其中包含图像的子目录(不一定数量相同)from keras.applications import ResNet50include_top=True, weights=None, input_shape=(3,224,224),classe
浏览 3提问于2018-02-22得票数 1
我有Keras模型，我想使用我的测试数据来评估它。当我使用keras model.evaluate_generator时，我会得到损失并返回acc，我可以打印准确率如下：predictions = model.predict_generator(test_gen, steps=evaluation_stepsnp.argmax(p
浏览 0提问于2019-03-15得票数 3
回答已采纳
2回答
我正在使用keras，并尝试在64x64图像上训练分类器。为此，我尝试创建更简单的Keras模型，以便我知道整个过程的时间(加载图像、数据增强等)。在GPU上使用非常低的费用。(1,1), strides=(64,64), 1)(inputs) return model
有没有可能再小一点的返回</em
浏览 0提问于2018-11-30得票数 5
我用model.predict_generator测试了它，但是返回的预测数比预期的少(在我的例子中，253457中有248192 )。(next_test_gen, steps=math.ceil(n_samples_test/batch_size))
运行model.predict_generator后，preds的行数为248192我还单独测试了generate，而没有与Keras交互，它的行为如出一
浏览 0提问于2018-01-31得票数 5
2回答
我在研究使用角星的分类系统。Keras通过检查哪个是最高的数字来分类标签。例如，如果输出为0.10.80.1，它将标签1归类为正确答案，因为它是0.8，这是最高的数字。我认为Keras将其分类为:如果结果> 0.5，返回1这是我用过的代码。model.add(Dense(units = 1, activation =
浏览 2提问于2019-12-26得票数 0
回答已采纳
我在flow_from_dataframe中使用keras的数据生成器。对于培训，它工作得很好，但是当在测试集中使用model.predict_generator时，我发现生成结果的排序与数据中"id“列的排序不同。shuffle=False确实使生成器的排序保持一致，但它的排序与dataframe不同。我还为predict_generator函数尝试了不同的批处理大小和相应的正确步骤。(例如: batch
浏览 0提问于2018-10-25得票数 0
回答已采纳
我正在使用Keras ImageDataGenerator类来加载、训练和预测。我已经尝试了解决方案here，但仍然有问题。我不确定我是否有与前面提到的here相同的问题。我猜我的y_pred和y_test没有正确映射。verbose=0,print('accura
浏览 45提问于2020-01-09得票数 0
我正在关注的一个教程steps=10,predictions = [labels[k] for k in predicted_class_indices]
但我使用的是Keras</
浏览 183提问于2020-05-18得票数 2
我试图通过使用数据增强来改进使用Xception作为预训练模型的传输学习模型的性能。目标是对狗品种进行分类。from keras.applications.xception import Xception
rotation_range = 45)
bottleneck_train
浏览 2提问于2018-12-29得票数 0
回答已采纳
当我初始化一个模型并将权重加载到一个模型时，输出的准确率为67%。finetune_train_last_layer.h5') preds = model.predict_generatorif guess == ans:print('%s/%s' % (matches, len(batches.classes
浏览 2提问于2017-10-20得票数 1
回答已采纳
此自定义Keras损失函数： rel = predicted / safeActual return errCounts
在对fit()的调用中引发以下异常是什么导致x成为rmsProp优化器调用的平方(X)中的<
浏览 0提问于2017-11-22得票数 1
我使用ImageDataGenerator生成新的增强图像，并从预先训练的模型中提取瓶颈特征，但我在keras样本上看到的大多数教程与目录中的图像数量相同。class_mode='categorical', train_generator, 2* nb_train_samples /&
浏览 0提问于2018-05-29得票数 1
1回答
我有一个以product_description, price, supplier, category为列的零售数据集。我尝试过其他分类器，如LR、SVM和Random Forrest，但它们(几乎)都有相同的结果。
浏览 2提问于2020-08-10得票数 6
目前，我正试图效仿Keras中的温度预测(如F. Chollet的“用Python进行深度学习”一书第6.3章所述)。我在使用指定的生成器进行预测时遇到了一些问题。我的理解是，我应该使用model.predict_generator进行预测，但我不知道如何为该方法使用steps参数，以及如何为原始数据返回正确的“形状”预测。理想情况下，我希望能够绘制测试集(索引300001直到结束)，并绘制对此测试集的预测(即与预测
浏览 0提问于2019-08-02得票数 0
回答已采纳
2回答
我希望网络只会记住这么小的数据集(我尝试过更复杂得多的网络，但没有效果)，而训练数据集的损失几乎为零。事实并非如此，当我在培训集中可视化结果时，如下所示：plot_points = 40
epochs = range(1, plot_points这是没有记忆的，即使算法没有在all.It上训练的测试数据集也是反向的，而不是记忆数据集，我<e
浏览 0提问于2019-01-14得票数 8
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
