我在一个包含两类的大型图像数据集上训练一个卷积神经网络（CNN），并对我的验证类（y_test）进行了独热编码：

y_test = to_categorical(y_test, num_classes=2)

我想将这些与我的分类器生成的预测进行比较，这些预测同样进行了独热编码，如下所示：

y_pred = model.predict_classes(x_test)y_pred = to_categorical(y_pred, num_classes=2)

通过这种比较，我希望找出我的分类器犯错的地方，并将被错误分类的图像保存到一个新文件夹中。但我觉得我的比较方法完全不对：

for i in range(0, len(y_test)):if y_pred[i].any() != y_test[i].any():    image = x_test_copy[i]    path = 'path'    cv2.imwrite(os.path.join(path , str(i)+'.jpg'), image)

有人知道我做错了什么吗？

回答：

我假设你使用的是Keras的to_categorical方法，该方法计算一个独热编码矩阵，使得每一行都是一个训练样本的独热编码标签。在这种情况下，你的比较是不正确的。你需要先找到元素不相等的位置，然后再判断如果有任何一个不正确，就将图像写入文件。

因此，首先找到所有独热编码向量不对应的位置：y_pred[i] != y_test[i]，然后再对其应用any方法来检查是否有任何不相等的元素(y_pred[i] != y_test[i]).any()。这意味着你的if语句需要更改：

for i in range(0, len(y_test)):    if (y_pred[i] != y_test[i]).any(): # 更改        image = x_test_copy[i]        path = 'path'        cv2.imwrite(os.path.join(path , str(i)+'.jpg'), image)