10 类图像分类模型预测结果可视化

本示例展示如何使用 Python 代码可视化 10 类图像分类模型的预测结果。

test_images, test_labels = next(validation_generator)
predicted_labels = model.predict(test_images)
# 随机选择 15 张图片，并展示它们的预测结果
fig, ax = plt.subplots(3, 5, figsize=(12, 8))
fig.suptitle('Random Test Images with Predictions', fontsize=16)

for i, axis in enumerate(ax.flat):
    index = np.random.randint(len(test_images))
    image = test_images[index]
    label = test_labels[index].argmax(axis=-1)
    predicted_label = predicted_labels[index].argmax(axis=-1)
    # 显示图片和它的预测标签
    axis.imshow(image)
    axis.axis('off')
    class_names =['cane', 'cavallo', 'elefante', 'farfalla', 'gallina', 'gatto', 'mucca', 'pecora', 'ragno', 'scoiattolo']
    # 显示原始图像以及它的实际标签和模型预测的标签
    axis.set_title('Actual: ' + class_names[label] + '\nPredicted: ' + class_names[predicted_label])

plt.show()

代码解释：

test_images, test_labels = next(validation_generator)：获取一批测试数据。
predicted_labels = model.predict(test_images)：使用模型对测试数据进行预测。
fig, ax = plt.subplots(3, 5, figsize=(12, 8))：创建画布，用于展示图片。
for i, axis in enumerate(ax.flat)：循环遍历画布上的每个子图。
index = np.random.randint(len(test_images))：随机选择一张测试图片。
image = test_images[index]：获取图片数据。
label = test_labels[index].argmax(axis=-1)：获取图片的实际标签。
predicted_label = predicted_labels[index].argmax(axis=-1)：获取图片的预测标签。
axis.imshow(image)：在子图上展示图片。
axis.axis('off')：隐藏子图坐标轴。
axis.set_title('Actual: ' + class_names[label] + '\nPredicted: ' + class_names[predicted_label])：在子图上显示图片的实际标签和预测标签。

运行代码后，将会展示 15 张随机选择的测试图片，以及它们的实际标签和模型预测的标签。