我有一个Keras模型，我想使用我的测试数据来评估它。当我使用Keras的model.evaluate_generator时，它返回了损失和准确率，我可以这样打印百分比准确率:

loss, acc = model.evaluate_generator(test_gen, steps=evaluation_steps)print("\n%s: %.2f%%" % (model.metrics_names[1], acc * 100))

这会得到类似92%的结果。
由于我想创建一个混淆矩阵（以查看我有多少假阳性和假阴性），我更改了代码为:

predictions = model.predict_generator(test_gen, steps=evaluation_steps)y_pred = np.argmax(predictions, axis=1)y_true = np.argmax(labels, axis=1)confusion_matrix(y_true, y_pred)

这样我得到了正确的混淆矩阵。然而，我仍然希望显示那个92%，我能从predictions中得到它吗？

回答：

准确率可以从你的y_pred和y_true以直接的方式计算出来；这里是一个包含虚拟数据的3类分类的例子:

简单的视觉检查告诉我们我们的准确率应该是0.5（50%）；所以:

l = len(y_true)acc = sum([y_pred[i]==y_true[i] for i in range(l)])/lacc# 0.5