我想预测两种疾病的类型，但得到的结果是二进制的（如1.0和0.0）。如何获得这些结果的准确率（如0.7213）？

训练代码：

from keras.models import Sequentialfrom keras.layers import Conv2Dfrom keras.layers import MaxPooling2Dfrom keras.layers import Flattenfrom keras.layers import Dense# Intialising the CNNclassifier = Sequential()# Step 1 - Convolutionclassifier.add(Conv2D(32, (3, 3), input_shape = (64, 64, 3), activation = 'relu'))# Step 2 - Poolingclassifier.add(MaxPooling2D(pool_size = (2, 2)))# Adding a second convolutional layerclassifier.add(Conv2D(32, (3, 3), activation = 'relu'))classifier.add(MaxPooling2D(pool_size = (2, 2)))# Step 3 - Flatteningclassifier.add(Flatten())# Step 4 - Full connectionclassifier.add(Dense(units = 128, activation = 'relu'))classifier.add(Dense(units = 1, activation = 'sigmoid'))# Compiling the CNNclassifier.compile(optimizer = 'adam', loss = 'binary_crossentropy', metrics = ['accuracy'])# Part 2 - Fitting the CNN to the imagesimport h5pyfrom keras.preprocessing.image import ImageDataGeneratortrain_datagen = ImageDataGenerator(rescale = 1./255,                                   shear_range = 0.2,                                   zoom_range = 0.2,                                   horizontal_flip = True)test_datagen = ImageDataGenerator(rescale = 1./255)training_set = train_datagen.flow_from_directory('training_set',                                                 target_size = (64, 64),                                                 batch_size = 32,                                                 class_mode = 'binary')test_set = test_datagen.flow_from_directory('test_set',                                            target_size = (64, 64),                                            batch_size = 32,                                            class_mode = 'binary')classifier.fit_generator(training_set,                         steps_per_epoch = 100,                         epochs = 1,                         validation_data = test_set,                         validation_steps = 100)

单个预测代码：

import numpy as npfrom keras.preprocessing.image import ImageDataGenerator, array_to_img, img_to_array, load_img,imagetest_image = image.load_img('path_to_image', target_size = (64, 64))test_image = image.img_to_array(test_image)test_image = np.expand_dims(test_image, axis = 0)result = classifier.predict(test_image)print(result[0][0]) # Prints 1.0 or 0.0# 我想要这个预测的准确率，如0.7213

文件结构如下：

• test_set

  • benigne
    • benigne_images
  • melignant
    • melignant_images

• training set

训练集的结构与测试集相同。

回答：

更新： 正如您在评论中澄清的，您希望获得单个测试样本所属每个类的概率。因此，您可以使用predict方法。然而，请注意，您必须首先像在训练阶段一样对图像进行预处理：

test_image /= 255.0result = classifier.predict(test_image)

result将是给定图像属于第一类（即正类）的概率。

如果您有测试数据的生成器，那么您可以使用evaluate_generator()来获取模型在测试数据上的损失以及准确率（或您设置的任何其他指标）。

例如，在拟合模型之后，即使用fit_generator后，您可以对测试数据生成器test_set使用evaluate_generator：

loss, acc = evaluate_generator(test_set)