test_batches = ImageDataGenerator( preprocessing_function=preprocess_input).flow_from_directory(test_path,target_size=(224,224),batch_size=1,class_mode=None,shuffle = "false")prediction = model.predict_generator(test_batches, steps=1, verbose=1)np.argmax(prediction)在这里，我使用step_size=1和steps=1来测试一张图像。每当我运行这段代码时，得到的预测结果都不一样，这意味着每次选取的图像都不相同。我该如何检查图像的名称呢？
编辑：这是我尝试解释我所面临的问题的另一种方式：
test_batches = ImageDataGenerator( preprocessing_function=preprocess_input).flow_from_directory(test_path,target_size=(224,224),batch_size=2,class_mode=None,shuffle = "false")prediction = model.predict_generator(test_batches, steps=1, verbose=2)预测变量包含两个预测概率数组。我如何知道这些预测对应的是哪些图像？
回答：
- 如果你的目标是熟悉Keras的ImageDataGenerators：
如果你希望你的生成器总是返回同一张图像（为了可重复性）：
from keras.preprocessing.image import ImageDataGeneratorimport numpy as npdata_dir = 'path/to/image/directory' # 图像存储目录的路径index = 0 # 在这里选择一个数字ig = ImageDataGenerator()gen = ig.flow_from_directory(data_dir, batch_size=1) # 如果你想要batch_size > 1，你需要添加与你的batch_size一样多的索引。image, label = gen._get_batches_of_transformed_samples(np.array([index]))image_name = gen.filenames[index]# 对你的图像和标签做任何你想做的事情如果你希望你的生成器总是返回一张随机图像但知道它是哪一张，我建议你这样做：
index = next(gen.index_generator)image, label = gen._get_batches_of_transformed_samples(index)image_name = gen.filenames[index]- 如果你想了解
predict_generator的工作原理，但这些方法都帮不了你。我能想到的唯一方法是编辑DirectoryIterator代码。
例如，你可以添加一行代码来打印你正在传递的图像的名称。我建议在第1434行之后添加以下语句：
print(fname)