我已经构建了一个使用CIFAR-10数据集的图像分类模型，采用了卷积神经网络或CNNs。
模型已经完全训练完成，准确率约为59%，但我的问题是如何从模型中获取预测的标签。模型可以预测以下10个类别：

['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']

我想说的是，例如，如果我们给模型一张飞机的图片，它应该能够预测并显示预测后的标签，但我不明白如何获取预测的标签。

这是我尝试过的方法，但我不知道输出是什么意思：

with tf.Session() as sess:    sess.run(init)    print(sess.run(tf.argmax(y_pred, 1), feed_dict={x:ch.test_images, y_true:ch.test_labels, hold_prob:1.0}))    print(sess.run(tf.argmax(y_true, 1), feed_dict={x:ch.test_images, y_true:ch.test_labels, hold_prob:1.0}))

输出：

[0 0 0 ... 0 3 3][3 8 8 ... 5 1 7]

规格：
TensorFlow版本：1.15.2
编辑器：Google Colab
操作系统：Windows 7

Google Colab文件链接：https://drive.google.com/file/d/1NpYGWvo9bNG0SJsFJ6R3se46b1ovDUX8/view?usp=sharing注意：链接已过期

如果你需要更多信息或有任何关于此问题的疑问，请告诉我！

回答：

你得到的是类别的索引，即每个类别所代表的数字。在你的例子中，0表示’airplane’，1表示’automobile’，依此类推。

要获取类别的名称，你只需要访问类别名称列表即可。

classes=['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']with tf.Session() as sess:    sess.run(init)    idxs = sess.run(tf.argmax(y_pred, 1), feed_dict={x:ch.test_images, y_true:ch.test_labels, hold_prob:1.0}))    labels = [classes[idx] for idx in idxs]    print(labels)