我有一个基本的分类问题；需要对0或1进行分类。我使用Keras VGG16训练了我的模型，但如何统计正确标签的数量？或者统计标签为0的所有图像的数量？假设我的模型应该区分猫和狗，如何统计模型在验证集中正确标记的猫的数量？我确实有准确率，但我想访问具体的计数数字。

这是我的模型：

#base_mode= VGG16()model = tf.keras.models.Sequential()#model.add(base_model)model.add(tf.keras.layers.Convolution2D(16,4,3, input_shape= (32,32,3),activation = 'relu'))model.add(tf.keras.layers.MaxPooling2D(pool_size = (2,2)))model.add(tf.keras.layers.Flatten())model.add(tf.keras.layers.Dropout(0.2))model.add(tf.keras.layers.Dense(32, activation = 'relu'))model.add(tf.keras.layers.Dense(1, activation='sigmoid'))model.compile(optimizer="Adam", loss="binary_crossentropy" , metrics=['accuracy'])epochs = 50history = model.fit(x=train_ds, y=train_lb , epochs=epochs, validation_data= (test_ds, test_lb) )

train_lb和test_lb分别对应训练/测试数据集的标签，是一个包含0或1的数组。例如，train_ds[0]的标签是train_lb[0]

回答：

如果你想一次获得所有这些信息，我认为更简单的方法是制作一个混淆矩阵，这样你就可以看到所有内容的分类情况：

plt.figure(figsize=(8,6))plt.title("混淆矩阵")cf_matrix = metrics.confusion_matrix(y_test, y_pred)group_names = ["真负", "假正", "假负", "真正"]group_counts = ["{0:0.0f}".format(value) for value in                cf_matrix.flatten()]group_percentages = ["{0:.2%}".format(value) for value in                     cf_matrix.flatten()/np.sum(cf_matrix)]labels = [f"{v1}\n{v2}\n{v3}" for v1, v2, v3 in zip(group_names,group_counts,group_percentages)]labels = np.asarray(labels).reshape(2,2)print(sns.heatmap(cf_matrix, annot=labels, fmt="", cmap='Blues'))