Lấy một dự đoán trong Keras

Question

tôi đã đào tạo thành công một mô hình đơn giản trong Keras để phân loại hình ảnh:

model = Sequential() 

model.add(Convolution2D(32, 3, 3, border_mode='valid', input_shape=(img_channels, img_rows, img_cols), 
         activation='relu', name='conv1_1')) 
model.add(Convolution2D(32, 3, 3, activation='relu', name='conv1_2')) 
model.add(MaxPooling2D(pool_size=(2, 2))) 
model.add(Dropout(0.25)) 

model.add(Convolution2D(64, 3, 3, border_mode='valid', activation='relu', name='conv2_1')) 
model.add(Convolution2D(64, 3, 3, activation='relu', name='conv2_2')) 
model.add(MaxPooling2D(pool_size=(2, 2))) 
model.add(Dropout(0.25)) 

model.add(Flatten()) 
model.add(Dense(512, activation='relu')) 
model.add(Dropout(0.5)) 

model.add(Dense(nb_classes, activation='softmax')) 

model.compile(loss='categorical_crossentropy', optimizer=sgd, metrics=['accuracy']) 

Tôi cũng có thể dự đoán các lớp hình ảnh sử dụng

y_pred = model.predict_classes(img, 1, verbose=0) 

Tuy nhiên đầu ra của y_pred luôn là nhị phân. Điều này cũng có vẻ là trường hợp khi sử dụng predict_proba và predict. kết quả đầu ra của tôi là theo hình thức này

[[ 1. 0. 0. 0.]] 
[[ 0. 1. 0. 0.]] 

này hoạt động OK, nhưng tôi muốn có một tỷ lệ xác suất cho mỗi phân loại, ví dụ

[[ 0.8 0.1 0.1 0.4]] 

Làm thế nào để có được điều này trong Keras?

Answer 1

Softmax có thể mang lại hiệu năng "một nóng" như đầu ra. Hãy xem xét ví dụ sau:

# Input; Exponent; Softmax value 
20 485165195 0.99994 
9   8103 0.00002 
5   148 0.00000 
10  22026 0.00005 
------------------------ 
# Sum 485195473 1 

Kể từ khi hàm mũ tăng trưởng rất nhanh softmax bắt đầu năng suất một nóng như đầu ra bắt đầu từ theo độ 1. Trong Keras implementation of the softmax function giá trị tối đa được trừ từ đầu vào, nhưng trong tuyên bố ở trên trường hợp nó sẽ không tạo ra bất kỳ sự khác biệt nào.

cách có thể để sửa lỗi này:

1. Hãy chắc chắn rằng hình ảnh đầu vào được rescaled, do đó pixel giá trị nằm giữa 0 và 1.

2. Thêm một số regularizers vào kiểu máy của bạn.