Keras的predict()与predict_classes()有何具体应用场景差异？

本文共计485个文字，预计阅读时间需要2分钟。

1. 使用 `predict()` 方法进行预测时，返回值是数值，表示每个类别属于该类的概率。例如，我们可以使用 `numpy.argmax()` 方法找到概率最大的类别，将其作为样本的预测标签。

1 predict()方法

当使用predict()方法进行预测时，返回值是数值，表示样本属于每一个类别的概率，我们可以使用numpy.argmax()方法找到样本以最大概率所属的类别作为样本的预测标签。

2 predict_classes()方法

当使用predict_classes()方法进行预测时，返回的是类别的索引，即该样本所属的类别标签。以卷积神经网络中的图片分类为例说明，代码如下：

补充知识：keras中model.evaluate、model.predict和model.predict_classes的区别

1、model.evaluate 用于评估您训练的模型。它的输出是model的acc和loss，而不是对输入数据的预测。

2、model.predict 实际预测，输入为test sample，输出为label。

3、在keras中有两个预测函数model.predict_classes(test) 和model.predict(test)。如果标签经过了one-hot编码，如[1,2,3,4,5]是标签类别，经编码后为[1 0 0 0 0],[0 1 0 0 0]…[0 0 0 0 1]。

model.predict_classes(test)预测的是类别，打印出来的值就是类别号。并且只能用于序列模型来预测，不能用于函数式模型。

而model.predict(test)输出的还是5个编码值，要经过argmax(predict_test,axis=1)转化为类别号。

以上这篇对Keras中predict()方法和predict_classes()方法的区别说明就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持易盾网络。