Я проектирую CNN для классификации двух типов изображений, и мне нужно вычислить FPR и TPR.
Ниже вы можете увидеть мой код, но я не знаю, как я могу вычислить FPR и TPR на основе этого кода.Не могли бы вы, пожалуйста, дайте мне знать, как я могу это сделать.Я знаю, что для вычисления FPR и TPR я могу использовать следующий код
fpr, tpr, thresholds = metrics.roc_curve(y_test, y_predic)
, тогда как y_predict можно вычислить как y_predic = model.predict(x_test)
, но в моем коде я не знаю, как можносделай это.Я был бы очень благодарен, если бы вы могли мне помочь.
num_classes = 1
batch_size = 512
epoch = 100
model = Sequential()
model.add(Conv2D(filters=8, kernel_size=(3, 3), padding='Valid', activation='relu', input_shape=(64, 64, 3)))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(rate=0.3))
model.add(Conv2D(filters=8, kernel_size=(3, 3), padding='Same', activation='relu'))
model.add(Dropout(rate=0.3))
model.add(Conv2D(filters=16, kernel_size=(3, 3), padding='Same',activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(rate=0.3))
model.add(Flatten())
model.add(Dense(units=128, activation='relu'))
model.add(Dense(units=num_classes, activation='sigmoid'))
model.compile(optimizer='adam', loss=keras.losses.binary_crossentropy, metrics=['accuracy'])
print(model.summary())
train_datagen = ImageDataGenerator(rescale = 1./255,
shear_range = 0.2,
zoom_range = 0.2)
test_datagen = ImageDataGenerator(rescale = 1./255)
training_set = train_datagen.flow_from_directory('D:/Data/CNN/train',
target_size = (64, 64),
batch_size = batch_size,
class_mode = 'binary')
test_set = test_datagen.flow_from_directory('D:/Data/CNN/test',
target_size = (64, 64),
batch_size = batch_size,
class_mode = 'binary', shuffle= True)
history = model.fit_generator(training_set,
steps_per_epoch = 4000//batch_size,
epochs = epoch,
verbose= 2,
validation_data = test_set,
validation_steps = 1000//batch_size)