Python 代码示例：随机展示测试样本并预测其标签

该代码示例使用 Python 的 random 库随机选择测试样本，并使用机器学习模型预测其标签。同时，代码会展示样本图像，并显示预测结果和实际标签，方便直观地评估模型性能。

for i in range(20):
    rand_num = random.randint(1,1000)
    label = np.where(y_test[rand_num])[0][0]
    #计算one-hot
    pixels = x_test[rand_num]
    pixels = pixels.reshape((128,128,3))
    plt.title('Label is ' + str(label))
    plt.imshow(pixels,cmap='gray')
    plt.show()
    print('测试样本第{}个,预测结果是{}'.format(rand_num,classes_x[rand_num]))
    if classes_x[rand_num] != label:
        print('预测错误')

标签修改说明：

你可以修改以下代码中的 str(label) 为你想要的标签，例如 '类别' + str(label)，或者直接替换成具体的标签名称。

plt.title('Label is ' + str(label))

代码说明：

random.randint(1,1000)：随机选择一个测试样本，索引范围为 1 到 1000。
np.where(y_test[rand_num])[0][0]：获取测试样本的实际标签。
plt.title('Label is ' + str(label))：设置图像标题，显示实际标签。
plt.imshow(pixels,cmap='gray')：展示样本图像，使用灰色色系。
print('测试样本第{}个,预测结果是{}'.format(rand_num,classes_x[rand_num]))：打印样本序号和预测结果。
if classes_x[rand_num] != label:：判断预测结果是否与实际标签一致，若不一致则打印“预测错误”。