我有两大组图像。每张图像都附有一个百分比。我用这些图像训练了一个模型，该模型返回一个二元结果，即0或1。我希望模型能够返回一个百分比，表示机器对0或1的确定程度。

举个例子，假设它们是猫的图像。我还知道猫的大小百分比（100%表示非常大，0%表示非常小）。我希望模型告诉我“这只猫有78%的大小”。

我当前的数据集基于两个文件夹（大的猫和小的猫）。第一个数字是图像的编号（例如1到1000）。第二个数字是猫的大小百分比：

../big_cats    cat1_78.png    cat2_97.png    cat3_67.png    ...../small_cats    cat1_12.png    cat2_9.png    cat3_24.png    ...

所以现在我没有使用百分比，我得到的是0或1（要么大要么小），但我的目标是让模型使用这个百分比来告诉我“这是一只67%大的猫”，其中50%是中等大小的猫，100%是最大的猫，0%是最小的猫。

我尝试使用softmax和categorical_cassentropy，但这只是告诉我二元决策的估计准确性，即猫是大还是小（如果我理解正确的话）。

我的问题是：我该如何准备数据集来获得这样的结果？如何创建训练和验证数据以读取图像名称中的百分比？有没有我可以参考的教程？我需要使用Keras + Tensorflow。

回答：

你应该在输出预测层使用Dense(1)或(2)和softmax函数，因为你想知道图片是猫还是不是猫（两个类别）。这意味着你需要将标签重塑为(num_pic, 2)，其中第一列表示图片是否是猫，第二列表示图片是否不是猫；或者(num_pic, 1)，仅表示它是否是猫。

这样，每个两个（或一个）输出神经元将是一个介于0和1之间的数字，可以用作概率。