Построить все прогнозы модели мульти-метки классификации

Question

Я хотел бы построить график ввода и вывода модели, которую я пытаюсь обучить:

форма входных данных:

processed_data.shape
(100, 64, 256, 2)

Как это выглядит:

processed_data
array([[[[ 1.93965047e+04,  8.49532852e-01],
         [ 1.93965047e+04,  8.49463479e-01],

Форма выходных данных:

output.shape
(100, 6)

Вывод - это, в основном, вероятности каждой метки

output = model.predict(processed_data)

output
array([[0.53827614, 0.64929205, 0.48180097, 0.50065327, 0.43016508,
        0.50453395]

Я бы хотел как-то построить для каждого экземпляра в обработанных данных предсказанные вероятности классов (поскольку это проблема классификации по нескольким меткам), но я изо всех сил пытаюсь это сделать. Итак, как я могу построить обработанные данные, но не уверен, как изобразить вероятности для каждого случая ввода. Я хотел бы иметь возможность пометить все 6 возможных классов на каждом из выходных. Я немного растерялся ... Есть предложения?

Пока я только строю график ввода: shape = output.shape [0]

for i in range(it):
    fig,axs = plt.subplots(5,2,figsize=(10,10))

    if isinstance(data,list): 
        inp = data[i]
        outp = output[i]
    else: 
        inp = data
        outp = output

    for j in range(5):
        r = randint(0,shape)
        axs[j,0].imshow(inp[r,...,0]); 
        axs[j,0].title.set_text('Input {}'.format(r))

Answer 1

Теперь я отредактировал свой ответ, чтобы лучше понять вопрос. Этот код будет отображать изображения вместе с выводом.

import matplotlib.image as mpimg
import numpy as np
import matplotlib.pyplot as plt

img_paths = ['../python/imgs/Image001.png',
             '../python/imgs/Image002.png',
             '../python/imgs/Image003.png',
             '../python/imgs/Image004.png',
             '../python/imgs/Image005.png']

input  = np.array([mpimg.imread(path) for path in img_paths])
output = np.random.rand(5, 6)

print(input.shape, output.shape)

fig, axs = plt.subplots(2, 5, figsize=(8, 4), sharey = 'row')

for i, sample in enumerate(range(5)):
    o = output[sample]

    axs[0,i].set_title(f'Sample {sample + 1}')
    axs[0,i].imshow(input[i,:])
    axs[0,i].axis('off')

    axs[1,i].bar(range(6), o)
    axs[1,i].set_xticks(range(6))
    axs[1,i].set_xticklabels([f'{i+1}' for i in range(6)])

plt.show()

Вывод:

(5, 1510, 2560, 4) (5, 6)

Важной частью является plt.subplots вызов, где вы можете создать сетку графиков так, как вам нравится (если вы хотите на самом деле построить все 100 изображений, вы, вероятно, предпочтете вертикальное расположение).