使用Tensorflow中的Keras进行图像分类：如何在训练过程中找到被错误分类的图像？

Question

我在Ubuntu 17.04上使用Keras 2.0（TensorFlow后端）进行二进制图像分类，除了我想知道哪些图片被错误分类之外，一切都很顺利。我该如何做到这一点？此外，在TensorBoard中，我无法让“image”选项卡正常工作，因此不确定是否有帮助解决我的问题。当然，我已经做了很多谷歌搜索，但我就是找不到答案。

- Ada Stra

Answer 1

只需预测分类并与您的真实值进行比较...

predicted = model.predict(trainingImages)    

减去符号后，正确的结果应该接近于零，而错误的结果应该很高：

result = numpy.absolute(trainingClasses-predicted)

- Daniel Möller

---

谢谢，当然！讲解一遍后就很明显了，真神奇... - Ada Stra

@Daniel Möller 这里的trainingClasses是什么？它是一个列表还是其他什么东西？ - WaterRocket8236

这通常被称为 y_train。它是您的真实标签、真实目标数据、真实结果等。 - Daniel Möller

@Aristides，从数组中获取切片或元素的方法与通常相同：sample0 = result[0]，sample1 = result[1]。 - Daniel Möller

@DanielMöller，所以我必须对每个元素进行迭代，并检查哪些元素的减法结果超过了某个阈值，是这样吗？有没有一种方法可以批量获取所有预测不正确的元素及其相关信息？例如，如果我们正在进行图像分类，如何获取单个图像的文件路径或类似信息？ - Aristides