TensorFlow: изображение не может быть преобразовано в плавающее при создании путаницы - PullRequest
Новая
       6

TensorFlow: изображение не может быть преобразовано в плавающее при создании путаницы

0 голосов
/ 06 февраля 2019

Я пытаюсь создать запутанную матрицу в TensorFlow, но получаю

TypeError: Данные изображения не могут быть преобразованы в плавающее.

Изображения предсказаныточно, но теперь я хочу показать матрицу путаницы, используя matplotlib.Я попытался преобразовать в np.array (), но ошибка все та же.

Я следую официальной документации по матрице путаницы из scikit-learn.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()

1 Ответ

0 голосов
/ 06 февраля 2019

Я не тестировал его на своем ПК.Ваше описание немного двусмысленно для меня (строка ошибки и т. Д.), Но основное отличие вашего кода и документации, на которую вы ссылаетесь, - confusion_matrix().Просто попробуйте перейти с confusion_matrix() из sckit-learn вместо confusion_matrix() из тензор потока (по ссылке используется первое).На мой взгляд, это самый простой путь.

РЕДАКТИРОВАТЬ : Сделайте ваши прогнозы так: 

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

Тогда ваши прогнозы не будут непрерывными.Здесь ваши прогнозы должны быть целыми числами, так как вы предсказываете метки классов.

...