如何将 tf 模型预测与层相关联？

Question

我们正在研究我们的Tensorflow人工智能Sequential model，它具有输入数据数组，并提供预测“真”或“假”的概率。我们想知道哪个预测对应于“真”，哪个对应于“假”我们的模型：model = tf.keras.Sequential([                          layers..        tf.keras.layers.GlobalAveragePooling1D(),        tf.keras.layers.Dense(2, activation='softmax')    ])模型编译：model.compile(loss="sparse_categorical_crossentropy",                  optimizer=tf.keras.optimizers.Adam(),                  metrics=['accuracy']                  )然后模型适合tests和results，其中results是“真”或“假”。history = self.model.fit(        np.array(self.data["tests"], dtype=float),        np.array(self.data["results"], dtype=float),        validation_split=0.1,        epochs=self.epochs,        batch_size=self.batch_size,        steps_per_epoch=self.steps_per_epoch,        verbose=0,        shuffle=True,        callbacks=[PlotLossesKerasTF()],    )当我们对我们使用的新数据进行预测时model.predict(newData)，它会为我们提供如下概率：[[0.5787903  0.42120975]]那么这些数字中的哪些对应于哪个标签？

Answer 1

它与您的训练标签相同。

假设您有一张输入图像，您可以对它是猫、狗还是鸟进行分类。然后，您的训练数据是一组图像和相应的标签，格式[cat dog bird]为例如 - 狗标签的图像[0 1 0]。所以以model.predict(image)相同的格式输出概率数组[cat dog bird]，output[0]猫分类的概率等等。

此外，如果您的输出是真/假，请考虑使用一个具有 sigmoid 激活和二元交叉熵的神经元输出作为您的损失函数。