我在使用Keras的Inception_v3模型，该模型在Imagenet上进行了预训练:

base_model = InceptionV3(weights='imagenet', include_top=True)

当我对生成的图像进行预测时，我得到的输出向量形状为(n,1000)，其中n是给定图像的数量。所以现在，如果我想解释结果，我需要用于训练模型的1000个输出类的名称…但我找不到它们！

有什么想法吗？

回答：

你可以使用decode_predictions方法:

from keras.applications.inception_v3 import decode_predictionspreds = model.predict(x)print('Predicted:', decode_predictions(preds, top=10))# Predicted: [(u'n02504013', u'Indian_elephant', 0.0042589349), ...]

从源代码来看:

def decode_predictions(preds, top=5, **kwargs):    """Decodes the prediction of an ImageNet model.    # Arguments        preds: Numpy tensor encoding a batch of predictions.        top: Integer, how many top-guesses to return.    # Returns        A list of lists of top class prediction tuples        `(class_name, class_description, score)`.        One list of tuples per sample in batch input.    # Raises        ValueError: In case of invalid shape of the `pred` array            (must be 2D).    """

显然，这不仅仅适用于Inception_V3。你可以导入它并用于任何在Imagenet上预训练的模型。或者，你可以使用以下方式导入:

from keras.applications.imagenet_utils import decode_predictions