已解決430363個問題，去搜搜看，總會有你想問的

繪制模型多標簽分類的所有預測

首頁猿問繪制模型多標簽分類的所有預測

繪制模型多標簽分類的所有預測

Python

幕布斯6054654 2022-09-27 15:14:22

我想繪制我正在嘗試訓練的模型的輸入和輸出：輸入數據形狀：processed_data.shape(100, 64, 256, 2)它看起來如何：processed_dataarray([[[[ 1.93965047e+04, 8.49532852e-01], [ 1.93965047e+04, 8.49463479e-01],輸出數據形狀：output.shape(100, 6)輸出基本上是每個標簽的概率output = model.predict(processed_data)outputarray([[0.53827614, 0.64929205, 0.48180097, 0.50065327, 0.43016508, 0.50453395]我想以某種方式為處理數據中的每個實例繪制類的預測概率（因為這是多標簽分類問題），但我正在努力這樣做。那么我該如何繪制處理后的數據，但不確定如何繪制每個輸入實例的概率。我希望能夠在每個輸出上標記所有6個可能的類。我有點迷茫...有什么建議嗎？到目前為止，我只繪制輸入：形狀=輸出。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))

查看完整描述

1 回答

明月笑刀無情

TA貢獻1828條經驗獲得超4個贊

我現在編輯了我的回答，以便更好地理解這個問題。此代碼將繪制圖像以及輸出。

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()

輸出：

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

反對回復 2022-09-27

1 回答
0 關注
134 瀏覽

關注

添加回答

舉報

0/150

提交

取消

亚洲在线久爱草,狠狠天天香蕉网,天天搞日日干久草,伊人亚洲日本欧美

熱搜

最近搜索清空

繪制模型多標簽分類的所有預測

繪制模型多標簽分類的所有預測

1 回答

添加回答