Я тренирую модель Keras для классификации изображений с 5 различными классами. Теперь я хочу оценить модель
Я искал вариант, чтобы получить информацию о том, какой класс сколько раз был распознан с каким классом и увидел метрики от Tensorflow и подумал, что CategoricalCrossentropy это то, что мне нужно.
Может быть, чтобы быть более ясным, моя цель состоит в том, чтобы создать таблицу, которая может сказать мне, например, что изображения из класса 'A' 90% результатов распознаются правильно, 7% результат говорит о классе 'B' и 3% относятся к классу 'C'
Что я пробовал:
model.compile(
optimizer=tf.keras.optimizers.RMSprop(lr=base_learning_rate),
loss=tf.keras.losses.CategoricalCrossentropy(from_logits=True),
metrics=[tf.keras.metrics.CategoricalCrossentropy()]
)
# my code to fit the model
score = model.evaluate(test_generator)
Переменная оценка содержит 2 значения:
[1.2269201959882463, 1.4819735]
Я знаю, что первый значение - это потеря, а вторая - это Категориальный Кроссцентропия, но я ожидал, что для Категориального Кросцентропия будет 2D-массив. Что значение говорит мне?
Tensoflow предлагает то, что мне нужно для моего стола? Я делаю что-то неправильно? Или я должен проверить каждое изображение самостоятельно, чтобы получить данные для моей таблицы