1 predict()方法

當使用predict()方法進行預(yù)測時，返回值是數(shù)值，表示樣本屬于每一個類別的概率，我們可以使用numpy.argmax()方法找到樣本以最大概率所屬的類別作為樣本的預(yù)測標簽。

2 predict_classes()方法

當使用predict_classes()方法進行預(yù)測時，返回的是類別的索引，即該樣本所屬的類別標簽。以卷積神經(jīng)網(wǎng)絡(luò)中的圖片分類為例說明，代碼如下：

補充知識：keras中model.evaluate、model.predict和model.predict_classes的區(qū)別

1、model.evaluate 用于評估您訓(xùn)練的模型。它的輸出是model的acc和loss，而不是對輸入數(shù)據(jù)的預(yù)測。

2、model.predict 實際預(yù)測，輸入為test sample，輸出為label。

3、在keras中有兩個預(yù)測函數(shù)model.predict_classes(test) 和model.predict(test)。如果標簽經(jīng)過了one-hot編碼，如[1,2,3,4,5]是標簽類別，經(jīng)編碼后為[1 0 0 0 0],[0 1 0 0 0]…[0 0 0 0 1]。

model.predict_classes(test)預(yù)測的是類別，打印出來的值就是類別號。并且只能用于序列模型來預(yù)測，不能用于函數(shù)式模型。

而model.predict(test)輸出的還是5個編碼值，要經(jīng)過argmax(predict_test,axis=1)轉(zhuǎn)化為類別號。

以上這篇對Keras中predict()方法和predict_classes()方法的區(qū)別說明就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。