Получите прогнозируемые значения с помощью model.predict, используя ImageDataGenerator - keras 2.1.0 (глубокое обучение)

Question

Я пытаюсь получить все правильные и неправильные предсказанные значения (я хочу предсказать класс изображений)

Итак, мой код:

#Load the trained model
loaded_model= tf.keras.models.load_model('C:/Desktop/data/model.h5')

#ImageDataGenerator for reading data from directory
test_generator = ImageDataGenerator().flow_from_directory(
    'C:/Desktop/data/test',
    target_size=(img_width, img_height),
    batch_size=batch,
    class_mode='categorical')

#Predicting the classes of images
predictions = loaded_model.predict(test_generator)
print('predictions shape:', predictions.shape)
print('predictions:', predictions)

Вывод для predictions.shape is (568, 2) и для predictions:

[[4.5327284e-11 1.0000000e+00]
 [1.0000000e+00 3.6808674e-11]
 [1.3124708e-03 9.9868757e-01]
 ...
 [1.0000000e+00 2.0863072e-11]
 [9.3747419e-01 6.2525854e-02]
 [1.0000000e+00 4.2702163e-14]]

Но мне нужно получить прогнозы, подобные данным, которые можно использовать для матрицы путаницы

Поэтому мне нужно иметь такие значения, как:

24 predictions for class 1 was correct
 5 predictions for class 1 was incorrect
 1 prediction for class 0 was correct
 7 predictions for class 0 was incorrect

РЕДАКТИРОВАТЬ:

Я пытаюсь использовать код из учебник , но получаю ошибку:

AttributeError: 'DirectoryIterator' object has no attribute 'class_indicies'

Мой код сейчас:

test_generator = ImageDataGenerator().flow_from_directory(
        'C:/Desktop/data/test',
        target_size=(img_width, img_height),
        batch_size=batch,
        class_mode='categorical',
        shuffle=False)

predictions = loaded_model.predict(test_generator, steps=test_generator.batch_size, verbose=1)
predicted_class_indices = np.argmax(predictions, axis=1)
print('predictions: ', predicted_class_indices)

labels = test_generator.class_indicies #here I am getting an error
labels = dict((v,k) for k,v in labels.items())
predictionss = [labels[k] for k in predicted_class_indices]
print(predictionss)

Answer 1

Исходя из вашей формы, я предполагаю, что у вас есть 2 класса.

#Load the trained model
loaded_model= tf.keras.models.load_model('C:/Desktop/data/model.h5')

#ImageDataGenerator for reading data from directory
test_generator = ImageDataGenerator().flow_from_directory(
    'C:/Desktop/data/test',
    target_size=(img_width, img_height),
    batch_size=batch,
    class_mode='categorical')

#Predicting the classes of images
predictions = loaded_model.predict_generator(test_generator)
print('predictions shape:', predictions.shape)
print('predictions:', predictions)

# getting the labels

pred_labels = list(np.argmax(predictions, axis=-1))

# getting true labels
true_labels = test_generator.classes

# get the confusion plot

cm = sklearn.metrics.confusion_matrix(true_labels, pred_labels)