如何訪問keras中的類概率？

我正在訓練一個模型，我需要報告類概率而不是單個分類。我有三個類，每個訓練實例有三個類中的任何一個分配給它。如何訪問keras中的類概率？

我想用Keras創建一個MLP。但我無法想象如何提取每個班級的最終班級概率。我用這個作爲我的基本示例：http://machinelearningmastery.com/regression-tutorial-keras-deep-learning-library-python/

謝謝！

來源

2017-02-10 user3667569

您可以使用預測你的訓練模型的方法

預測

預測（個體經營，X的batch_size = 32，詳細= 0）

生成輸出預測輸入樣本，以批量處理方式處理樣本。

參數

X：輸入數據，作爲一個numpy的陣列（或列表numpy的陣列如果模型有多個輸出）。 batch_size：整數。詳細：詳細程度模式，0或1.

返回Numpy數組預測。

model.predict(input_to_your_network)

來源

2017-02-10 14:21:12 maz

爲了執行多類分類（nb_classes> 1）你必須以特定的方式準備的模型。

確保您的標籤設計精良，適用於多級分類。看一看在numpy_utils
您必須使用categorical_crossentropy作爲多類分類目標函數（見Keras objectives）
你的最後一層必須有SOFTMAX激活功能（保證輸出爲0和1之間）和nb_classes神經元。
像往常一樣訓練您的模型
使用預測功能。您將收到一個包含每個類的概率的大小向量（nb_classes，1）。

來源

2017-02-11 14:22:55

你會提供一個示例模型嗎？ –

你可以在這裏找到：https://keras.io，「入門：30秒Keras」：「從keras.models導入順序模式=連續（） #Stacking層是一樣簡單。 add（）： from keras.layers import Dense model.add（Dense（units = 64，activation ='relu'，input_dim = 100）） model.add（Dense（units = 10，activation ='softmax'）））#ie nb_classes = 10 ＃一旦你的模型看起來不錯，使用＃.compile（）配置其學習過程：model.compile（loss ='categorical_crossentropy'， optimizer ='sgd'， metrics = ['accuracy' ]）」 –

如何訪問keras中的類概率？

回答

相關問題